Erste Schritte mit Deep Learning mithilfe von MATLAB
Führen Sie vier häufige Deep-Learning-Aufgaben mit MATLAB durch.
Deep Learning für Ingenieure (5 Videos)
In dieser Videoreihe werden Deep-Learning-Themenfelder für Ingenieure behandelt, beispielsweise der Datenzugriff, das Trainieren eines Netzwerks, die Nutzung von Transfer Learning und die Integration Ihres Modells in ein übergreifendes Design.
Beispiele ausprobieren
- Erstellen von einfachen Deep-Learning-Netzen für die Klassifikation
Tiefe neuronale Netze (4 Videos)
MATLAB erleichtert die Erstellung und Anpassung von tiefen neuronalen Netzen. Diese Tutorial-Videos bieten einen Überblick über die Verwendung der Deep Network Designer-App, eines grafischen Tools, mit dem Sie interaktiv mit Ihren tiefen neuronalen Netzen arbeiten können.
Deep Learning zur Spezialisierung auf Computer Vision
In diesem Kurs erfahren Sie, wie Sie Deep Learning und Computer Vision auf reale Projekte anwenden können.
Weitere Informationen
- Transfer Learning für das Training von Deep-Learning-Modellen
- Praktische Beispiele für Deep Learning mit MATLAB (E-Book)
- Automatisierte optische Inspektion mit Deep Learning (Ebook)
Beispiele ausprobieren
- Erstellen und Untersuchen eines Datastore für die Bildklassifizierung
- Zeitreihenanalyse und Prognose mit Deep Learning
- Nutzung von MATLAB mit NVIDIA-Grafikkarten in der Cloud
Modelle von Grund auf trainieren
Trainieren Sie ein neuronales Faltungsnetz (Convolutional Neural Network, CNN) für die Identifizierung handgeschriebener Zahlen.
Tutorial zu MATLAB für Deep Learning
Dieses zweistündige praxisorientierte Tutorial dient als Einführung in praktische Deep-Learning-Methoden für die Bilderkennung.
Beispiele ausprobieren
- Sequenzklassifikation mit Deep Learning
- Textgenerierung mit Deep Learning
- Die neuesten Deep-Learning-Beispiele auf GitHub
Erstellen und modifizieren Sie mithilfe von Bild- und Sequenzdaten tiefe neuronale Netze für die Klassifizierung, Regression und Objekterkennung.
Kennzeichnen Sie Ground-Truth-Daten, erkennen Sie Fahrspuren und Objekte, erstellen Sie Fahrszenarien, modellieren Sie Sensoren und visualisieren Sie Sensordaten.
Signalaufbereitung und Merkmalextraktion für Data Analytics mit MATLAB
Bereiten Sie Zeitreihen für die Machine-Learning-Analyse vor. Zu den behandelten Themen gehören der Signalimport, das Entfernen von Ausreißern und die Merkmalsextraktion im Zeit- und Frequenzbereich.
Werden Sie Teil der Deep-Learning-Community
30-tägige kostenlose Testversion
Jetzt loslegen
Haben Sie Fragen?
Sprechen Sie mit einem Deep-Learning-Experten.
