머신러닝과 딥러닝을 위한 신호처리

개요

머신러닝과 딥러닝은 여러분야에서 복잡한 문제를 풀 수 있는 기술로 관심을 받고 있습니다. 하지만 센서에서 획득한 신호로부터 예측 모델을 만드는 일은 그리 간단하지 않습니다. 본 웨비나는 신호를 분석하는 기법 및 신호 처리 분야에서의 머신러닝과 딥러닝 모델을 개발하는 과정을 소개하겠습니다.

  • 머신러닝 워크플로우에서 특징을 추출하는 방법
  • 머신러닝과 딥러닝으로 신호 기반의 예측 모델 개발

녹화 날짜: 2018년 11월 30일

피드백

다음::

Virtual engineering technology has undergone rapid progress in recent years and has been widely accepted for commercial product development. Product design and manufacturing organizations are moving from the traditional multiple and serial test cycle

Optimal Neural Network for Automotive Product Development

관련 비디오:

본 웨비나는 대학의 연구원 및 학생, 교수 등을 대상으로 MATLAB 및 Simulink를 활용한 신호 처리 Workflow를 소개하는 것을 목적으로 한다.

MATLAB과 Simulink을 이용한 신호처리

과학자 및 연구원은 많은 데이터로부터 데이터의 추이 및 변수 사이의 관계를 규명하고 가설 검정등과 같은 분석 및 그래프 작성 과정을 거칩니다. 이를 위해 데이터 마이닝과 데이터 분석 같은 다양한 통계적 기법을 사용합니다.금번 웨비나에서는 임상실험을 통해 얻은 데이터를 기반으로 MATLAB을 이용한 통계적 데이터 분석 및 그래프 작성 방법에 대해 소개해 드립니다.

MATLAB(매트랩)을 이용한 실험 데이터의 통계적 분석 기법 소개(한국어)

Learn how to make joint use of the signal processing and machine learning techniques available in MATLAB to develop data analytics for time series and sensor processing systems

Signal Processing and Machine Learning Techniques for...

This session explores the fundamentals of machine learning using MATLAB . Rory reviews typical workflows for both supervised (classification and regression) and unsupervised learning, through examples.

Machine Learning for Predictive Modelling (Highlights)

관련 비디오 더 보기