แมชชีนเลิร์นนิงเชิงปฏิบัติสำหรับวิศวกรใน MATLAB

สาขาวิศวกรรมและเทคนิคสร้างข้อมูลจำนวนมหาศาล แต่การดึงข้อมูลเชิงลึกที่นำไปปฏิบัติได้ต้องใช้เครื่องมือวิเคราะห์ที่เหมาะสม หลักสูตรนี้จะแนะนำคุณเกี่ยวกับพื้นฐานที่จำเป็นของแมชชีนเลิร์นนิง โดยแสดงให้เห็นถึงวิธีเปลี่ยนชุดข้อมูลที่ซับซ้อนให้เป็นโมเดลการทำนาย คุณจะก้าวหน้าจากการทำความเข้าใจคำศัพท์หลักของแมชชีนเลิร์นนิงไปสู่การนำเวิร์กโฟลว์เชิงปฏิบัติไปใช้ใน MATLAB ด้วยการศึกษาคำอธิบายที่ชัดเจนเป็นลายลักษณ์อักษรและตัวอย่างโค้ดที่มีโครงสร้าง คุณจะได้รับความมั่นใจในการเตรียมข้อมูลทางวิศวกรรม ฝึกฝนโมเดลที่แข็งแกร่ง และประเมินประสิทธิภาพของโมเดลเหล่านั้น สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจแนวคิดพื้นฐาน คำศัพท์ และเวิร์กโฟลว์โมเดลมาตรฐานของแมชชีนเลิร์นนิง - เตรียมและประมวลผลชุดข้อมูลทางวิศวกรรมล่วงหน้า จัดการกับค่าที่ขาดหายไป และดำเนินการเลือกคุณลักษณะ (feature selection) - ฝึกฝน support vector machines (SVMs) และ artificial neural networks โดยใช้ MATLAB - ประเมินประสิทธิภาพของโมเดลโดยใช้เมตริกสมัยใหม่ เทคนิค cross-validation และ confusion matrices - ประยุกต์ใช้เทคนิคแมชชีนเลิร์นนิงเพื่อแก้ปัญหาทางเทคนิคและวิศวกรรมในโลกแห่งความเป็นจริง หลักสูตรเริ่มต้นด้วยคำจำกัดความพื้นฐานและเทคนิคการเตรียมข้อมูล ก่อนที่จะเข้าสู่ supervised learning algorithms และการเพิ่มประสิทธิภาพโมเดล คุณจะได้อ่านการนำโค้ดไปใช้ทีละขั้นตอนและสถานการณ์เชิงปฏิบัติที่ออกแบบมาสำหรับผู้เชี่ยวชาญด้านเทคนิค หลักสูตรนี้ออกแบบมาสำหรับวิศวกร นักวิจัย และนักวิเคราะห์ด้านเทคนิคที่เพิ่งเริ่มต้นใช้งานแมชชีนเลิร์นนิงและต้องการนำไปประยุกต์ใช้โดยใช้ MATLAB ไม่จำเป็นต้องมีประสบการณ์ด้านแมชชีนเลิร์นนิงมาก่อน แต่ความคุ้นเคยพื้นฐานกับ MATLAB จะเป็นประโยชน์ เริ่มอ่านวันนี้เพื่อปลดล็อกพลังของการสร้างแบบจำลองเชิงทำนายในโครงการวิศวกรรมของคุณ