MATLAB : utiliser MATLAB pour l'apprentissage automatique

Name: MATLAB : utiliser MATLAB pour l'apprentissage automatique
Author: Gabriel Popoola

Plongez dans l'apprentissage automatique dans MATLAB

Preview the first lesson free — get full access to all 3 lessons.

Cours : à la demande

Bonjour. Je m'appelle Gabriel Popoola. Au cours de ce module, nous allons parler de machine learning automatique dans MATLAB, sélection de fonctionnalités dans MATLAB, et le réglage des hyperparamètres dans MATLAB. Tout d'abord, nous allons parler de la motivation derrière l'apprentissage automatique dans MATLAB. Ainsi, le processus de création d'un bon modèle d'apprentissage automatique est itératif et peut être quelque peu fastidieux. L'effort nécessaire pour construire un modèle c'est précis et robuste n'est pas trivial. Et étant donné ces choses, une manière automatique ou automatisée d'exécuter les étapes itératives du processus de formation et de développement est nécessaire. Qu'est-ce qu'autoML ? Automatiser l'apprentissage automatique automatise et élimine étapes manuelles nécessaires pour passer d'un ensemble de données à un modèle prédictif. Il abaisse le niveau d'expertise nécessaire pour construire des modèles précis, et il rationalise les phases les plus complexes du flux de travail d'apprentissage automatique, telles que l'exploration et la sélection de données, extraction et sélection de caractéristiques, sélection et réglage du modèle, et la préparation du déploiement. Exploration et prétraitement des données. Cela identifie donc les variables avec un faible pouvoir prédictif dans des variables fortement corrélées qu'il faudrait éliminer. Extraction et sélection de fonctionnalités. Ici, nous extrayons automatiquement les fonctionnalités et identifier ceux qui ont un pouvoir prédictif élevé. Sélection et réglage du modèle. Ici, nous ajustons automatiquement les hyperparamètres du modèle et identifier le modèle le plus performant. Et enfin, la préparation du déploiement. Transformer le code d'apprentissage automatique de haut niveau dans des langages de niveau inférieur, tels que C, C++, pour le déploiement sur des appareils embarqués avec une mémoire limitée et une faible consommation d'énergie grâce à la génération de code. Ceci conclut cette leçon. Merci.

Avancé Fournisseur : Gabriel Popoola 3 leçons · 20m en Arabe, Allemand, Anglais, Espagnol, Français, Portugais, Chinese

Description du cours

L'apprentissage automatique est un domaine avancé et populaire en sciences et en mathématiques. Le processus de construction d'un bon modèle d'apprentissage automatique est itératif et peut être quelque peu fastidieux. L'effort requis pour construire un modèle précis et robuste n'est pas négligeable. La formation et l'optimisation des modèles, le réglage des paramètres et la sélection des fonctionnalités essentielles et précieuses peuvent être des tâches fastidieuses et compliquées à réaliser. Je vais passer en revue le réglage des hyperparamètres avec des animaux automatiques, en particulier en ce qui concerne la sélection de modèles à l'aide de l'optimisation bayésienne. Nous verrons comment réduire le nombre de fonctionnalités afin d'effectuer une classification. Dans ce module MATLAB, vous découvrirez comment MATLAB peut être utilisé pour l'apprentissage automatique (ML) dans MATLAB en utilisant AutoML.

Après avoir terminé ce module, vous serez en mesure d'appliquer ce que vous avez appris à n'importe quel projet ou tâche impliquant l'apprentissage automatique. Cela peut être utile dans le secteur privé, le gouvernement et même le milieu universitaire. De plus, il peut être appliqué à tous les projets personnels ou domestiques sur lesquels vous travaillez, tels qu'une maison intelligente ou un système de maison intelligente.

Ce que vous allez apprendre

Comprendre comment MATLAB peut être utilisé pour l'apprentissage automatique
Expliquer l'importance des données et des caractéristiques dans l'apprentissage automatique
Définir le concept de réglage des hyperparamètres
Appliquer l'apprentissage automatique automatisé (AutoML) dans MATLAB
Effectuer une sélection de caractéristiques pour réduire le nombre de caractéristiques pour la classification
Utiliser l'optimisation bayésienne pour la sélection de modèles pendant le réglage des hyperparamètres

Points clés à retenir

Construire un bon modèle d'apprentissage automatique est un processus itératif qui nécessite un effort non négligeable pour rendre un modèle précis et robuste.
La formation et l'optimisation de modèles, le réglage de paramètres et la sélection de caractéristiques utiles peuvent être des tâches fastidieuses et compliquées.
MATLAB peut être utilisé pour effectuer de l'apprentissage automatique via AutoML, y compris le réglage des hyperparamètres et la sélection de modèles avec l'optimisation bayésienne.
La réduction du nombre de caractéristiques grâce à la sélection de caractéristiques peut être utilisée pour effectuer une classification.
Les compétences acquises dans ce module peuvent être appliquées à des projets dans le secteur privé, au gouvernement, dans le milieu universitaire et à des projets personnels tels qu'un système de maison intelligente.

Foire aux questions

Que vais-je apprendre dans ce cours d'apprentissage automatique avec MATLAB ?

Vous découvrirez comment MATLAB peut être utilisé pour l'apprentissage automatique à l'aide d'AutoML, apprendrez l'importance des données et des caractéristiques, et comprendrez le concept de réglage des hyperparamètres, y compris la sélection de modèles à l'aide de l'optimisation bayésienne et la sélection de caractéristiques pour la classification.

Quels sujets ce module couvre-t-il ?

Le module couvre l'apprentissage automatique automatisé dans MATLAB (AutoML), la sélection de caractéristiques et le réglage des hyperparamètres.

Où puis-je appliquer ce que j'apprends dans ce cours ?

Après avoir terminé le module, vous pourrez appliquer ce que vous avez appris à tout projet ou tâche impliquant l'apprentissage automatique, y compris dans le secteur privé, au gouvernement, dans le milieu universitaire et dans des projets personnels ou domestiques tels qu'un système de maison intelligente.

Quelles compétences ce cours aide-t-il à développer ?

Ce cours aide à développer des compétences en apprentissage automatique automatisé, Google AutoML, apprentissage automatique, algorithmes d'apprentissage automatique, méthodes d'apprentissage automatique et MATLAB.