Машинное обучение применяется во многих областях науки и техники. Среди них - медицинская диагностика, распознавание речи и рукописного текста, автоматизированные торговые системы, рекомендации к просмотру видео, методы принятия важных бизнес-решений.
В ходе вебинара мы расскажем об основах машинного обучения с использованием MATLAB. На двух примерах мы рассмотрим типичные рабочие процессы для обучения с учителем (классификация) и обучения без учителя (кластеризации).
Машинное обучение применяется во многих областях науки и техники. Среди них - медицинская диагностика, распознавание речи и рукописного текста, автоматизированные торговые системы, рекомендации к просмотру видео, методы принятия важных бизнес-решений. Каждая проблема машинного обучения является уникальной, поэтому она может быть сложной в понимании исходных данных, определении ключевых особенностей, которые влияют на модель, обучении нескольких моделей и выполнении оценкок модели.

В ходе вебинара мы расскажем об основах машинного обучения с использованием MATLAB. На двух примерах мы рассмотрим типичные рабочие процессы для обучения с учителем (классификация) и обучения без учителя (кластеризации).
В первом примере мы проведем классификацию активности на основе данных, полученных с телефона. Второй пример из области распознавания образов – классификация объекта по видео изображению.

Основные моменты включают

• Доступ, исследование, анализ и визуализации данных в MATLAB
• Использование интерактивного приложения Classification Learner и встроенных функций Statistics and Machine Learning Toolbox для выполнения общих задач машинного обучения, таких как:

- Выбор характеристик и их преобразование
- Выбор схемы кросс-валидации
- Обучение классификационных выборок, включая метод опорных векторов (SVM), деревья решений на основе бустинга и бутстрепа, k ближайших соседей и дискриминантный анализ

• Оценка модели и сравнений моделей на основе матриц несоответствия и РОК кривой для выбора лучшей модели
• Интеграция моделей для машинного зрения, обработка сигналов и анализ данных
Поделиться
09 июня
Вторник

17:00

Прошло

Спикеры

Багров Артем Анатольевич, инженер ЦИТМ Экспонента, к.т.н. В 2004 году окончил МГУ им. Ломоносова, в 2008 защитил кандидатскую диссертацию. Работает в компании с 2010 года. Специализируется на технических вычислениях и мат. моделировании.

*
Настоящим в соответствии с Федеральным законом № 152-ФЗ «О персональных данных» от 27.07.2006, отправляя данную форму, вы подтверждаете свое согласие на обработку персональных данных . Мы, ООО ЦИТМ "Экспонента" и аффилированные к нему лица, гарантируем конфиденциальность получаемой нами информации. Обработка персональных данных осуществляется в целях эффективного исполнения заказов, договоров и пр. в соответствии с «Политикой конфиденциальности персональных данных». * - обязательные поля