MATLAB pour le Machine Learning

Entraîner des modèles, régler les paramètres et déployer des modèles en production ou sur dispositif périphérique

Avec MATLAB®, les ingénieurs et experts domaine ont déployé des milliers d'applications de Machine Learning. MATLAB simplifie les tâches les plus complexes du Machine Learning avec :

  • Des applications interactives pour l’apprentissage et la comparaison de modèles
  • Des techniques avancées de traitement du signal et d'extraction de caractéristiques
  • Le Machine Learning automatisé (AutoML), notamment la sélection des caractéristiques et des modèles, et le réglage des hyperparamètres
  • La possibilité d’utiliser le même code pour faire évoluer le traitement sur des données Big Data et des clusters
  • La génération automatique de code C/C++ pour les applications embarquées et haute performance
  • Une intégration dans Simulink basée sur des blocs MATLAB Function ou natifs à des fins de simulation ou de déploiement dans un système embarqué
  • Les algorithmes de classification, de régression et de clustering les plus populaires pour l'apprentissage supervisé et non supervisé
  • Une exécution plus rapide qu'avec les solutions open source pour la plupart des calculs statistiques et de Machine Learning

Découvrir comment nos clients utilisent MATLAB pour le Machine Learning

Panel Navigation

Automobile

PathPartner

PathPartner développe des algorithmes de Machine Learning pour des applications automobiles basées sur les radars

Panel Navigation

Production d'énergie, automatisation et machines industrielles

RWE Renewables, Hydro Quebec, IMCORP

Surveillance de l'état et maintenance prédictive des équipements avec le Machine Learning et l'intelligence artificielle

Panel Navigation

Équipements médicaux, communications, électronique et semi-conducteurs

Kinesis Health Technologies

Évaluation du risque de chute chez les personnes âgées avec des capteurs d'inertie et le Machine Learning

Applications interactives et algorithmes

Faites votre choix dans un large éventail d'algorithmes populaires de classification, de clustering et de régression. Des réseaux de neurones « peu profonds » (jusqu'à trois couches) et d'autres modèles de Machine Learning sont désormais également disponibles. Utilisez des applications de régression et de classification pour entraîner, comparer, régler et exporter interactivement des modèles afin d'optimiser les analyses, l'intégration et le déploiement. Si vous préférez écrire du code, vous pouvez optimiser vos modèles grâce à la sélection de caractéristiques et au réglage de paramètres.

Interprétabilité des modèles

Surmontez le côté « boîte noire » du Machine Learning en appliquant des méthodes d'interprétabilité éprouvées telles que PDP (Partial Dependence Plots), LIME, les valeurs de Shapley et le modèle additif généralisé (GAM). Validez le fait que le modèle utilise des informations valides pour ses prédictions et trouvez les biais du modèle qui n'étaient pas apparents pendant l'apprentissage.

Machine Learning automatisé (AutoML)

Générez automatiquement des caractéristiques à partir des données entraînées et optimisez vos modèles en utilisant des techniques de réglage des hyperparamètres comme l'optimisation bayésienne. Utilisez des techniques spécialisées d'extraction de caractéristiques telles que la diffusion par ondelettes pour les signaux et images, ainsi que des techniques de sélection de caractéristiques comme l'analyse NCA (Neighborhood Component Analysis), MRMR (Minimum Redundancy Maximum Relevance) ou la sélection séquentielle de caractéristiques.

Génération de code et intégration dans Simulink

Déployez des modèles de Machine Learning et de statistiques dans des systèmes embarqués, et générez du code C ou C++ pour l'ensemble de votre algorithme de Machine Learning, y compris les étapes de pré- et post-traitement. Accélérez la vérification et la validation de vos simulations haute-fidélité en utilisant des modèles de Machine Learning dans des blocs MATLAB Function et des blocs natifs dans Simulink.

Scalabilité et performance

Utilisez des tall arrays pour entraîner des modèles de Machine Learning sur des jeux de données trop volumineux pour être stockés en mémoire, avec un minimum de modifications à apporter à votre code. Accélérez les calculs statistiques et l’apprentissage de modèles grâce au calcul parallèle sur votre PC, sur des clusters ou dans le cloud.

Autour du Machine Learning

Panel Navigation

Deep Learning

Concevez, développez et visualisez des réseaux de neurones à convolution.

Panel Navigation

Data Science

Développez de nouvelles perspectives à partir des données et optimisez vos designs et vos décisions.

Panel Navigation

Maintenance prédictive

Développez et déployez des logiciels de maintenance prédictive et de surveillance d'état.

Démarrez rapidement

Exemples interactifs

Exécutez les exemples dans votre navigateur pour observer MATLAB en action.

Machine Learning Onramp

Une introduction interactive aux méthodes pratiques de Machine Learning pour résoudre des problèmes de classification.

Ressources pour démarrer

Regardez une démonstration, explorez des exemples interactifs et accédez à des tutoriels gratuits.

Version d'essai gratuite de 30 jours

En savoir plus

Statistics and Machine Learning Toolbox

Analysez et modélisez des données grâce aux statistiques et au Machine Learning