Commencer avec le Deep Learning à l'aide de MATLAB
Réaliser quatre activités courantes de Deep Learning avec MATLAB.

Deep Learning pour les ingénieurs (5 Vidéos)
Cette série de vidéos aborde des sujets relatifs au Deep Learning destinés aux ingénieurs, tels que l'accès aux données, l'apprentissage d'un réseau, l'utilisation de l'apprentissage par transfert et l'intégration de votre modèle dans un design plus large.
Exemples
- Créer un réseau simple de Deep Learning pour la classification
Réseaux de neurones profonds (4 Vidéos)
MATLAB permet de créer et de modifier facilement des réseaux de neurones profonds. Ces tutoriels vidéos expliquent comment utiliser l'application Deep Network Designer, un outil de type pointer-cliquer qui vous permet de travailler de manière interactive avec vos réseaux de neurones profonds.

Spécialisation en Deep Learning pour la Computer Vision
Dans cette formation, vous découvrirez comment appliquer le Deep Learning et la Computer Vision à des projets concrets.
En savoir plus
- Apprentissage par transfert pour entraîner des modèles de Deep Learning
- Exemples pratiques de Deep Learning avec MATLAB (e-book)
- Inspection optique automatisée avec le Deep Learning (e-book)
Exemples
- Créer et explorer un datastore pour la classification d'images
- Prévision de séries temporelles avec le Deep Learning
- Utiliser MATLAB avec les GPU NVIDIA dans le cloud

Pretrained Deep Learning Models
Explore and download deep learning models that you can use directly with MATLAB.

Entraîner des modèles en partant de zéro
Entraînez un réseau de neurones à convolution (CNN) pour identifier des chiffres écrits à la main.

Tutoriel MATLAB pour le Deep Learning
Ce tutoriel de deux heures est une introduction aux méthodes pratiques de Deep Learning pour la reconnaissance d'images.
Exemples
- Classification de séquences avec le Deep Learning
- Générer du texte grâce au Deep Learning
- Explorer les derniers exemples de Deep Learning sur GitHub

La conduite autonome avec MATLAB
Utilisez MATLAB pour effectuer les tâches essentielles de la conduite autonome. Labellisez les données de vérité-terrain, détectez les voies et les objets, générez des scénarios de conduite, modélisez des capteurs, et visualisez les données des capteurs.

Prétraitement de signaux et extraction de caractéristiques pour l'analyse de données avec MATLAB
Préparez des données de séries temporelles pour une analyse utilisant le Machine Learning. Les sujets abordés comprennent l'importation de signaux, la suppression des valeurs aberrantes et l'extraction de caractéristiques dans les domaines temporel et fréquentiel.