教育工作者通过绘制可用的课程模块，onramp教程和代码示例，教导Matlab深入学习。使用域特定的工具箱和应用程序，Matlab可以轻松学习和执行涉及数据预处理，图像标签，网络设计和数据的特定于域的深度学习任务转移学习。

Matlab支金宝app持与开源深度学习框架的互操作性，使学生能够在他们的Matlab深度学习项目中应用Tensorflow，Pytorch和其他流行框架。

以下是课程课程，教科书，代码示例以及与Matlab教学教学的其他工具。

课程课程

• 计算机视觉

  • 宾夕法尼亚大学：计算机视觉和计算摄影
  • 科罗拉多省矿山学院：计算机愿景简介

• 图像，音频和信号处理：

  • Technion以色列理工学院：稀疏和冗余表示及其在信号和图像处理中的应用（也可用作EDX上的MOOC）
  • 斯坦福：机器学习的信号处理

• Biomedicine.

  • 麻省理工学院和哈佛医学院：生物化信号和图像处理
  • 特纳特大学：医疗应用机器学习

教科书

• 深度学习

  • 深入学习初学者：Matlab的例子
  • MATLAB深入学习：用机器学习，神经网络和人工智能

• 机器学习

  • MATLAB用于机器学习
  • 机器学习中的第一课程
  • Matlab机器学习食谱
  • 机器学习和模式识别
  • 机器学习：贝叶斯和优化视角
  • 数据驱动科学与工程：机器学习，动态系统和控制

MATLAB资源

• Matlab Onramp.（2小时介绍性教程）
• 深度学习ondramp.（2小时介绍性教程）
• 与matlab深入学习（16小时深入课程）
• 深度学习工具箱（文件）
• 深度学习应用程序（代码示例）
• Matlab在线（在您的浏览器中使用MATLAB）
• Matlab Grader.（自动等级MATLAB编码分配）
• 最新的功能和资源数据科学那深度学习＆机器学习（最近发布产品功能）
• 深度学习（博客）