教育家通过利用可用的课程模块、入门教程和代码示例，用MATLAB教授深度学习。借助特定领域的工具箱和应用程序，MATLAB使学生能够轻松地学习和执行特定领域的深度学习任务，包括数据预处理、图像标记、网络设计和应用程序迁移学习.

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MATLAB深度学习项目中应用TensorFlow、PyTorch和其他流行的框架。

下面是课程大纲、教科书、代码示例和其他工具的示例，用于使用MATLAB教授深度学习。

课程设置

• 计算机视觉

  • 宾夕法尼亚大学：计算机视觉与计算摄影
  • 科罗拉多矿业学院：计算机视觉导论

• 图像、音频和信号处理：

  • 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（也可作为EdX上的MOOC)
  • 斯坦福：机器学习的信号处理

• 生物医学

  • 麻省理工学院和哈佛医学院：生物医学信号和图像处理
  • 屯特大学：医学应用的机器学习

教科书

• 深度学习

  • 初学者的深度学习：使用MATLAB示例
  • MATLAB深度学习：使用机器学习、神经网络和人工智能

• 机器学习

  • MATLAB用于机器学习
  • 机器学习的第一门课程
  • MATLAB机器学习方法
  • 机器学习与模式识别
  • 机器学习：贝叶斯和优化的视角
  • 数据驱动科学与工程：机器学习、动力系统和控制

MATLAB资源

• MATLAB入口匝道（2小时入门教程）
• 深度学习入门（2小时入门教程）
• 用MATLAB进行深度学习（16小时深度课程）
• 深度学习工具箱（文件）
• 深度学习应用图库（代码示例）
• MATLAB在线（在浏览器中使用MATLAB）
• MATLAB分级机（自动为MATLAB编码作业评分）
• 最新的功能和资源数据科学,深度学习&机器学习（最新发布的产品功能）
• 深度学习（博客）