В рамках текущей кампании, MATLAB использует хайп вокруг АИ/нейронных сетей/машинного обучения и заманивает в свои продукты с помощью бесплатных обучающих материалов.
Для чего используется машинное обучение?
В основном, для обработки больших массивов данных и при наличии многих переменных. Типичный пример: распознавание изображений, нейрокомпьютерные интерфейсы. Кто хочет узнать, какой инструментарий используют исследователи нейрокомпьютерных интерфейсов, проходим по ссылке.
Прямые ссылки на PDF от MathWorks
Все материалы на английском языке.
Section 1: Introducing Machine Learning Learn the basics of machine learning, including supervised and unsupervised learning, choosing the right algorithm, and practical examples.
Section 2: Getting Started with Machine Learning Step through the machine learning workflow using a health monitoring app as an example. The section covers accessing and loading data, preprocessing data, deriving features, and training and refining models.
Section 3: Applying Unsupervised Learning Explore hard and soft clustering algorithms, and learn about common dimensionality-reduction techniques for improving model performance.
Section 4: Applying Supervised Learning Explore classification and regression algorithms, and learn about techniques for model improvement, including feature selection, feature transformation, and hyperparameter tuning.
