Prossimi webinar

Strumenti essenziali per il Machine Learning

Data:
23 Maggio 2017
Ora:
15:00

Presentazione

Le tecniche di Machine Learning consentono di sviluppare apprendere modelli direttamente dai dati, senza assumere nessuna predeterminata formulazione matematica (equazioni) come modello. Pertanto, le tecniche di Machine Learning stanno rapidamente diventando un potente strumento per risolvere problematiche di modellazioni complesse in una vasta gamma di settori. Ingegneri e scienziati utilizzano le tecniche di Machine Learning per sviluppare modelli che possono essere implementati come parte di applicativi per sistemi embedded, piuttosto che per infrastrutture cloud.

I vantaggi dell’apprendimento automatico si stanno evidenziando in applicazioni in tutto il mondo, tra cui manutenzione predittiva, monitoraggio della salute, previsione di portafoglio finanziario e sistemi avanzati di assistenza alla guida. Tuttavia, l'applicazione con successo delle tecniche di Machine Learning presenta diverse sfide, ad esempio non è sempre chiaro quali dati siano i più utili per la previsione e, conseguentemente, il tuning degli iperparamentri dei modelli di Machine Learning può richiedere un notevole costo in termini di tempo.

Punti principali

    In questo webinar scoprirete come gli strumenti MATLAB per il Machine Learning affrontano queste sfide. Verrà mostrato come:
  • Lavorare con grandi quantità di dati “out-of-memory” utilizzando il framework del tipo di dato “tall”
  • Ridurre la dimensionalità dei dati e identificare le strutture caratteristiche dei dati importati attraverso tecniche avanzate di selezione
  • Seguire le best practices per il tuning degli iperparametri per ottimizzare le prestazioni del vostro modello
  • Come integrare il vostro modello in sistemi IT

Informazioni sul relatore/sui relatori

Simone Lombardi è in MathWorks dal febbraio 2016 ed è uno degli Application Engineer del Team Italiano. Nell’aprile del 2015, ha conseguito il titolo di dottore di ricerca in Ingegneria Meccanica presso l’Università degli Studi di Napoli Federico II. Durante le sue attività di ricerca, Simone ha utilizzato MATLAB per lo sviluppo di tecniche statistiche avanzate per l’analisi di grandi quantità di dati da processi combustione che si verificano in sistemi di propulsione (motori a combustione, turbine, ecc.). Simone ha anche collaborato con la University of Cambridge ed altri enti di ricerca nel campo dell’analisi di dati da processi di combustione e dell’ottimizzazione di processi e sistemi energetici. Simone è autore di diverse ricerche scientifiche pubblicate su riviste e atti di convegni internazionali. In MathWorks Simone si occupa principalmente di MATLAB con focus su argomenti di data analytics, modellazione ed ottimizzazione.

Prodotti interessati

  • Neural Network Toolbox
  • MATLAB Coder
  • Statistics and Machine Learning Toolbox
  • Signal Processing Toolbox
  • MATLAB Production Server