使用机器学习和深度学习与MATLAB对能源预测
概述
AI,或人工智能,是推动一个巨大的转变,电脑扮演的角色在我们的个人和职业生活。大多数技术组织期望获得或使用AI的加强他们的竞争优势。深度学习和机器学习等人工智能工作流转换产业高的影响。电力和公用事业行业从这个AI超级趋势不例外。传统电网开始采用智能电网的概念在人工智能的作用在多个方面是至关重要的。网格分析智能电网基础设施的重点领域之一,在负荷预测是非常明显。预测的负载电网帮助电力和公用事业公司有效地计划他们的资源和服务消费者需要盈利的方式。中期预测和长期预测是能源生产和公用事业行业的重点,因为它有助于决定代等多种策略规划和需求侧管理服务。
网格上的负载取决于多个外部因素使高度复杂的数据。AI可以被认为是一个工具来开发这个复杂数据的预报模型。目前,领域专家花有价值的努力清理数据,寻找正确的选择的预测算法和修复代码的语法。手动部署开发模型也是一个繁琐费时的过程,而且需要专业知识。
在这个网络研讨会,您将学习:
- 如何利用专业知识的人工智能工作流使用MATLAB。
- 如何将算法无缝部署到企业范围的解决方案。金宝搏官方网站
的主持人
记录:2020年8月25日
早上好。欢迎来到网络研讨会上使用机器学习和深度学习与MATLAB对能源预测。我Jayanth巴拉,我是一名应用工程师以下是MathWorks。让我们迅速深入探究的话题,我们今天的讨论。在今天的讲座中,我们将学习什么是负荷预测,谁受益,这样做,为什么我们需要它。如何利用你的专业领域使用MATLAB人工智能工作流,最后,我们将学习如何部署算法无缝企业级解决方案和集成一个仪表板。
让我们迅速进入今天的第一桶的讨论什么是负荷预测谁将受益呢?为什么我们需要它吗?(听不清)专注于现代化,这是一个大趋势在最近几年。当你想到的电网现代化首先发挥作用的是可再生能源集成,可光伏、风力涡轮机,等等。由于可再生能源的集成,有一种强烈的能量储存要求结束,因为可再生能源和能源存储在网格中创建一个网格中的许多不确定性手术。
通过整个电网的过程,从一代开始,传播,和一直到销售,我们在深生成tb的数据操作的成本。最后,监管整个电网的照片。可以将整个电网现代化概念化为几乎智能电网,它们主要集中在三个区域。一个是电力系统研究和遵从性研究中,网格分析,最后物联网和无法应用。作为今天的谈话的一部分,我们将更关注网格分析。
电网分析是一个巨大的关注领域,从资产管理,监控变压器和地下电缆和类似的东西。我们可以发展预见性维护算法,我们可以评估这些资产的剩余使用寿命。类似地,您可以考虑访问网格稳定和OSIπ与MATLAB相结合,和做一些在线分析的数据,我们获得。我们也可以考虑能源和价格预测,但是我们可以开发一个(听不清)算法进行负荷预测,认为相同。作为今天的谈话的一部分,我们将更关注能源和价格预测桶。
在进入实际的话题对于今天的讨论,让我们看看一个用户故事从Fenosa他们预测的能量供给,需求。使用MathWorks工具,他们开发一个灵活的模型,从而能够根据他们的需求更新和优化。这里是Fenosa取得的结果。响应时间减少了几个月,他们的生产力增加了一倍,和程序维护高度简化。
让我们看看什么是能源预测。能源预测可以类型的负荷预测,预测网格上的负载,或使预测预测诸如风能和太阳能的预测,也可以被认为价格预测。谁需要这个特定的能源预测,从代公司,(听不清),一直到电力消费者。作为今天的主题的一部分,我们将更关注负荷预测以及如何用MATLAB,挑战是什么,通常情况下,当你考虑负荷预测以及MATLAB方便的多例场景。
当我们想到能源预测,今天甚至多个公用事业,他们是做手工。能源预测工作流,手动完成的,不是可伸缩,而不是标签在大多数情况下。我们可以认为人工智能工具可靠的能源预测工作流和使它更加可靠和可伸缩的。有四个桶参与基于ai的工作流程,从访问开始,探索历史数据,预处理数据,开发预测模型的帮助下机器学习和深度学习,最后实施模型部署到云或嵌入式系统。
有多个挑战与能源相关的预测工作流从聚合来自多个数据源的数据和处理大数据,数据清洗和预处理它适用于开发预测模型,选择一个正确的预测模型的预测模型是可用的,以及如何扩展生产规模。这些都是典型的挑战与能源相关的预测工作流。让我们深入地了解每一个桶在MATLAB解决容易的挑战和如何帮助你做这个任务在更高的生产力。
在今天的案例研究中,我们将开发基于机器学习和深度学习负荷预测未来的日负荷预测算法。我们要考虑到纽约ISO的数据集,包括(听不清)和给料机。我们将在MATLAB开发负荷预测算法。我们将调试,并使其适合部署。我们将它们部署到MATLAB生产服务器,这是成本在Azure上。我们将与第三方集成仪表板和洞察力(听不清)。
当你想到相关的挑战,我们有多个挑战从数据采集和预处理,找到合适的预测方法,并扩展到云部署。在大图片,我们可以,最后,我们将看到如何将发达算法集成到仪表板和洞察力,良好的可视化,第二天。
让我们看着每一桶能源预测工作流从访问数据一直到实施模型。让我们关注第一桶,访问和探索数据。这些都是典型的挑战与这个特定的桶从来自多个数据源的数据,可视化。让我们看看这个桶基于matlab的工作流。
在进入之前,这是一个典型的MATLAB窗口包含当前文件夹,工作区为当前工作变量,命令窗口,我们会即时命令和测试,这是一个笔记本包含一个文本,它包括的代码。我们可以添加生活的任务。任务是GI-based工作流。我们都知道生命是如何控制动态调整特定的输入和结果(听不清)。让我们看看第一个桶,访问和探索数据。
我得到的历史数据,如前所述,从纽约ISO。我从网站上下载的历史数据。我拉开和保存它为我的进一步处理。我在这里使用的数据存储(听不清),这是一个指针数据,有效地处理大数据(听不清)数据的挑战,如内存工作流之类的东西。我在这里得到原始数据。让我们看看原始数据。你可以看到,有多个数据,这不是正确的组织。有很多的0。
让我们unstack他们得到更好的知道每个图看起来像unstack借助MATLAB命令代码,准备命令。我只是unstacking结果。现在,我得到了更好的视图的数据寻找每一个图。我们也有一个专用的基于任务的工作流unstack如果我们不是——我只是使用一个内置的任务,可以在形式的表和时间表桶,这只是unstacking表。我只是打开。
一旦你打开生活的任务,它流行(听不清)在MATLAB GI窗口。我们要选择表,我们想unstack他们。在我们的例子中,我们要打开原始数据集,除了普及生。我选择将新名字列和列的值。一旦我选择,MATLAB,背景,运行程序对我和给我类似的结果,我们没有计划。(听不清)站在那里,你会得到列代码,无论我们做的任务。所以没有什么黑盒,我们可以理解正在发生的事情在幕后,并相应地计划我们的事情。
确保是一样的,我只是打开表,表我已经使用任务,这只不过是相同的表,我们使用一个程序(听不清)生成。让我们迅速(听不清)信号来了解我们的数据看来,这使一个洞察力,也有我们的数据点。我要使用堆叠情节命令,可用在MATLAB预定义的绘图命令的一部分。
所以我可以看到所有网格的时间。通过可视化,我能理解,有一些异常数据。在这里,你可以看到,有负对数的概念,并有多个零分的数据。通过绘制我们的理解是,数据不是很干净,它需要大量的预处理进行。
我只是检查我的数据是否定期或同等采样(听不清)的概念叫做isregular命令在MATLAB是可用的,这让我回答的零,这意味着我的数据是不定期采样。我们明白很多的异常数据的零功耗或负对数形式,以及数据,不是同样取样或定期采样。
所以回来的挑战,我们从这个特定的工作流。从如何访问来自多个数据源的数据,如何想象他们,我们可以看到,如何用MATLAB方便在这个特定的桶在很大程度上缓解和解决工作流。所以是正常的挑战在这个特定的工作流的挑战。让我们看看另一个水桶,详细讨论。
让我们看看下一桶,这只不过是预处理和分析数据,这是一个最困难的桶在整个工作流程。引用《福布斯》,说80%的整个预测工作流、或数据分析的工作流程,是花在这个特定的桶。与工作流相关的和典型的挑战,从不同来源的数据聚合,清洁糟糕的数据格式化、不规则采样,redunadant和离群值。这个典型的桶也有一个问题,解决内存不足的问题,我们之前处理桶。
让我们看看MATLAB如何工作在这个特定的桶。当我们想到预处理和分析数据,可sub-bucket成四个工作流或四个部分,从清洁缺失的数据,清扫异常值,数据平滑,起居时间戳。早在我们的数据可视化,我们已经确定了我们的数据遭受很多零条目,这不是一个合适的一个。在这里,我们要使用MATLAB实时任务,这只不过是一个GI-based工作流,预处理桶。
当你看到这里,我们生活中有多个任务,特别是在数据预处理桶。我们有干净的失踪,清洁异常值,数据的平滑。我要选择一个这样的任务,它只不过是干净的丢失的数据。post-selecting我要做的是,我要选择我想干净的桌子。我选择输入数据,只不过是unstacked数据。我选择表中的变量,它只不过是一个馈电单元。我选择一个作为馈线单元(听不清)。我选择的清洗方法。和多个插值技术可用来做这个任务,在这里你可以看到。
我只是选择线性插值。一旦我保存线性插值,它自动的aurofilling失踪的条目。优势在autolearn停在这里,我们可以看到innerlying代码与这个特定的工作流。所以没有什么黑盒。我们可以深入地了解每个代码和更好地理解。第二只是打扫离群值。我将使用类似的工作流中我们有很多的峰值数据。我将使用一个生活的任务,这只不过是干净的异常数据的任务。
我要导入之前清理数据,我选择清洗方法和合适的插值技术。我指定阈值的事实,只不过是标准差。你可以看到,这里,动态情节和离群值删除。你可以欣赏。然而,与这个任务是很容易的。因为我的数据也容易受到噪声和有很多的噪音数据我要抚平它。我导入异常值删除数据,我选择平滑参数和平滑方法。再次,你我们能够看到代码,内心的一行代码。
正如我在前面提到的桶,我们的数据是不等于取样。我们将使用正规化的时间戳。(听不清)定时任务是可用的,同样,在现场,作为生活的一部分任务。这种方法我要导入的数据。我要重新取样30分钟为我的进一步处理。在这里,我获得数据。你可以在这里看到,这是同样采样,现在,30分钟。我甚至可以看到很多失踪的条目。我可以可以填补这一动态的帮助下只要点击和指向正确的填充方法。再一次,我可以能够可视化的内部代码行。
你能欣赏它是如何简单的预处理步骤借助MATLAB及其任务。和没有黑盒,没有黑盒。你能理解的内部代码行。下一步我将聚合数据,因为我们知道,负载也依赖于天气数据。我真的做了同样清洁干净的天气数据。我清理数据加载它。我要将它们合并在一起来创建我的预测负荷预测工作流程。我只是使用enable命令在命令来加入他们的行列。我们也有一个专用的基于任务的工作流程,为你做同样的工作没有做任何计划,通过交互式地这样做。我选择合适的连接机制。 Once that is done, I am able to synchronize the two tables.
这就完成了。再次,我们理解的内部代码行(听不清)。我要提取预测。所以我所说的预测是,从根本上讲,我们知道加载数据取决于多种因素,如小时负荷的概念,月负荷的概念,和一年的负荷概念等等。所以我们要从数据中提取特征。我们要提取的特征对我们机器上优于工作流。和我们也处理时间序列数据,这样一个序列依赖存在的工作流。所以我们只是策划相关工作流程,相关情节和理解什么是典型的pre-sequence被认为是对于这个特定的时间序列预测。
我们已经做到了,我们理解,通常被认为是前的一天。我生成特征提取器的基于机器学习的工作流。所以你可以考虑一下从一个预处理步骤清洗缺失的数据一直到创建流。完成了在MATLAB和不同最小限度的编程知识。在一分钟的一小部分,我们可以能够完成这个特定的工作流。
让我们回顾这个工作流的挑战,我们前面讨论从不同来源的数据聚合和清洁有效数据,并处理大数据。至于《福布斯》引用,我们确定这是一个困难的桶。通过使用MATLAB及其任务,我们所做的工作很容易。可以欣赏,基于matlab的工作流程,工作如何有效地对整个工作流程。对于这个特定的工作流的预处理和分析数据,挑战是正常的挑战。你很容易调整MATLAB及其工具的帮助下。
让我们看看第三桶的能量预测工作流,这只不过是发展预测模型。所以当我们思考发展预测模型,我们可以考虑多个技术来解决这个问题。所以我们要关注基于机器学习和深度学习工作流程。Autofetch机器学习工作流程需要特征提取,我们在前一步提取预测。更深的学习只不过是机器学习的一个子集,它不需要任何特征提取。它作用于预处理数据。
当你想到相关的典型挑战这个桶,我们大多数的人喜欢或缺乏数据科学专业知识,和我们不知道正确的工具来解决这个问题。和所需的时间所需的特征提取、特征选择模型开发的这个特定的工作流程,是非常困难和耗时的过程。让我们看看这个工作流的第一桶,这只不过是一个基于机器学习工作流程,让我们研究一个基于matlab的工作流。如何解决整个过程。
出现在我们的头脑中一个典型的问题是,我不是一个数据科学家,如何开发一个AI模型为我的工作流?为此,我们有一个专门的app-based工作流在MATLAB。当我查看应用程序,我们有多个应用程序在机器学习和深度学习工作流程。我只是选择一个这样的应用程序,除了回归学习者。因为我们有一个任务作为一个预测任务,回归的任务,我只是加载数据,预处理数据我们做在前面的桶。我选择的反应和预测变量。在这里,我的反应变量只不过是加载和预测表的特性,我们前面步骤中提取。
因为我的数据是时间序列数据我不选择任何验证,但是你可以选择你正在考虑基于序列的长度。一旦数据被加载在这个特定的应用程序,用MATLAB自动填充的算法适合您的工作流。这里,您可以看到,详尽的算法,你可以试试从线性回归一直到合奏树。我要尝试所有算法,适用于我的数据。我只是按我使我平行的工具。我只是,我撞火车模型。
这只不过是一个AutoML概念。但是我们需要填充数据。只是一切都将照顾这个特殊的应用。总共有19个模型文件夹是平行。因为我有我的四形成。在一分钟的一小部分,我能得到一个合理的算法和合理的预测的准确性,这只不过是SVM我得到这个数据我在几分钟内。
但我不满意我的准确性。MATLAB整合这个特定的算法提供了一个功能。我选择optimizable以来支持向量机SVM发现适合我的数据。我要和选择optimizable SVM。一旦我选择optimizable支持向量机,我可以可以选择hyperparameters我想调整和优化器类型,或类型的优化器,我想试穿一下实际hyperparameters在这个特定的工作流。我选择一个贝叶斯优化器,因为它可以提供更快的结果。
我也可以文件选择,hyperparameters我想调整从内核函数和标准数据。我只是选择再次运行。所以这将整合算法,我们有合理的准确性在早期阶段更好的精度。分数的,也有与hyperparameter适合我的数据聚合。在autolearn停止在这里的优势。我们可以能够生成函数,我们可以了解到发生了什么事在这个特定的工作流。我们还可以导出模型回到MATLAB工作区部署。机器学习是轻松地完成了MATLAB的帮助。
但如果你没有一个想法来提取特征适合你的工作流程吗?这是一个基于机器学习的工作流的关键一步。所以你可以考虑深度学习在这种情况下。如果你没有足够的专业知识,甚至足够的时间从数据中提取特征,你可以思考深度学习。当你思考深度学习工作流程,我们将尝试一些不同于以前的工作流程。在前面的工作流程,我们所做的就是尝试个人为个人馈线模型特定的ISO。这里,我们要发挥统一建模方法,其中一个模型能够解决多个给料机,它可以能够生成预测时考虑的喂食器。
一个快速的变化。我们正在做的事情是我们分裂的数据形式的季节。这种方法适用于即使是机器学习。给一个想法,它是适用于所有,所有,我只是只深入学习。最初我有分手的时候。我们的数据预处理后。由于深度学习操作规范化数据,我只想规范化数据。为此,我什么都没做。我生成勤奋落后一代是在之前的情况。这是一个之前的数据。
说,我们没有做任何特征提取步骤在这个特定的工作流,深度上优于工作流。我们将使用相同的数据的深度学习模型。所以有多个开发深度学习的技术,特别是在时间序列数据。所以我们要尝试LSTM在这个特定的例子中,我们特别的案例研究。解决基于深度学习工作流程,所以,我们要使用app-based工作流。特别是,特别是在机器学习和深度学习斗。我们要使用深度网络设计师,您可以交互地生成深度学习网络。
所以我只是使用一个特定的应用程序,它只不过是一个很深的网络设计师。一旦我打开应用程序,你可以看到很多预定义算法pre-trained网络为你提供。在这种特殊情况下,我会从头开始训练网络。我退出事件层适合我的工作流,在这种情况下,序列输入层。我看到SSL,我要尝试LSTM这个特殊的例子。我要退出LSTM层。刚开始,我拿出两个LSTM层。然后我要通透连接层。然后我要添加集成层输出层。
Post-selecting合适的层,我只是做层之间的连接通过标签和点击。这个特定的应用程序允许交互式链的输入和输出参数。在我们的例子中,我们有528年528年输入和输出。我只是手工做。这个程序还带有分析仪,分析了网络错误。在这种特殊情况下,我没有任何错误。它也给出了一个如何输入从输入到输出层和不同可学的与这个特定的网络。
Post-analyzing,我可以出口网络MATLAB与初始参数还是网络培训。我只是在MATLAB的网络出口,你可以看到整个网络是建立在形式的像一个app-based工作流。这是我同一个网络复制在这里。我指定拘留选项,除了hyperparameters。我要训练网络。它帮助一个命令称为trainNetwork构造中可用MATLAB。我喂了输入、输出层和选项。我只是保存网络的名义净点春天。
这是一个训练图。和我获得400时代,使得输入和起始时间,和估计时间,或运行时间。我添加了同样的季节,我获得了网络。你可以欣赏深层网络(听不清)如何帮助生成深层网络的在这个特定的工作流。我想尝试多个实验的hyperparameters这个特定的网络。在这个特定的网络,hyperparameters无非是多个选项。你可以尝试,尝试网络上的多个实验和比较最好的为我们的工作流(听不清)。你有一个专用的工作流叫实验管理器。
但我想创建一个新项目来比较我的实验,选择最佳hyperparameter工作流。我只是计划设置我的实验初始学习网格和时代进行训练。一旦我把这个实验,我可以继续和运行实验开发者网络在前面的阶段。所以我要我的网络上运行实验。你可以看到实验运行在我的网络,这是一个快照或完成工作流的完成实验。
在那里,您可以看到,与多个组合多个实验是在同一网络的学习速率和时代,和他们的秋季损失是策划。我们可以选择最好的工作适合我们的工作流。和我们可以导出一个特定网络MATLAB为下一个阶段,这只不过是部署。我可以过滤出来,我可以选择合适的网络基于我的选择,我可以出口回到MATLAB。
(听不清)或之前权衡进入像机器学习或深度学习。在这里,如何做出选择是否你想尝试深度学习或机器学习。我们详尽支持这两种工作流。金宝app基于领域知识和数据——数据可用性,你可以选择是否你想继续深入学习或机器学习。我们也支持间歇工金宝app作流程,协助提取一些特征深度学习的时间频率映射或预处理。我们也支持他们在金宝appMATLAB详尽。我们可以尝试很多事情。这是一个伟大的,我们会给你一个想法如何选择算法的选择我的工作流程。所以这取决于数据集规模和领域知识和计算资源。
让我们看看最后一桶的能量预测工作流,它只不过是实施模型。我们开发了预测模型在前面的桶,现在我们想部署它们,将它们部署到云或嵌入式硬件实施它们。所以让我们看看快速图表,我们快速的工作流图,给出了一个我们能做一次模型在MATLAB开发的。我们有多种产品一致支持实施模型。下载188bet金宝搏金宝app我们可以想想coder-based工作流。如果你想结束部署算法和嵌入式硬件使用编码器产品,你可以能够生成C, c++,高密度脂蛋白、PLC、和coder-targeted代码。
使用基于编译器的工作流程,您可以像费用能够生成独立的可执行文件。您可以生成Excel插件。你也可以尝试MATLAB应用和应用,通过这可以主机应用程序在您的浏览器中。我们也有MATLAB编译器SDK,可以能够生成共享库包,比如C、c++、Java、Python和。net。这方便如果你有一个大的系统,已经开发的这些包,你想这个能源预测与MATLAB集成。你可以生成共享库(听不清),你可以与现有系统集成。
我们也支持云计算金宝app部署与MATLAB的帮助生产服务器。那里我们可以容纳——可——MATLAB生产服务器托管多个MATLAB算法在云计算平台上。当你想到的挑战,有多个挑战与这个特定的桶从如何规模应用和部署它们。传统上,人们做手册的翻译,当然。和最终用户可以在本质上高度不同,从运营商在客户。所以有多个目标,将目标平台(听不清)。我们有从云嵌入式硬件。
所以有很多挑战与这个特定的工作流。让我们看看快速借助MATLAB演示如何解决这些挑战。我们有一个MATLAB函数,它只是预测模型,我们——我们先前创建的工作流。我们有多个工作流。然后我们——我们使用内置的应用程序,这只不过是一个MATLAB生产服务器编译器是应用程序部署的应用程序的一部分。我要选择的MATLAB生产服务器编译器能够生成云的执行。
我只是打开功能。这个程序是非常足够智能自动理解的先决条件。所以在这个特定的应用程序使用的所有预定义的模型包括在这个特定的部署。它会自动识别。我只是在发送前测试客户端实际云。我选择用MATLAB和功能性MATLAB断点错误。现在我只是启动客户端。只是除了MATLAB应用程序驻留在这个特定的端点。我要写几行代码已经在MATLAB文档通过工作流。
我只是将一个web写在这个特定的端点。端点只不过是本地主机端口号中紧随其后的是一个MATLAB函数。我只是把网络写作,这只不过是一个API调用。一旦新闻n,可以能够看到请求放在本地主机。状态是等待。一旦执行完成,状态更改完成,我将获得的洞察力。这是一个调试平台,让我们使我们的算法错误。我们可以彻底地测试它之前部署到云平台。
我要包云可执行。我将生成可执行文件,云不过是周大福(听不清),这是编译目标格式。(听不清)选择这个特定的工作流。它带有一个readme文件,讨论我们可以遵循的步骤和过程部署。就像我之前说的,我要将它部署在Azure平台MATLAB生产服务托管运行MATLAB算法。我只是上传应用程序,这只不过是集中在(听不清)的应用程序,用MATLAB生产服务器编译器。我选择部署。它部署在这个特定的端点。我将使用相同的端点的地方环保局称,得到结果。
所以我将使用相同的测试代码,唯一是我要改变的本地主机Azure端点。我验证我是否得到正确的见解。我是完全一样的。现在,下一步是我们要与仪表板集成。在这里,我们将尝试BI仪表板。我们有MATLAB连接器支持内部权力BI仪表板结合MAT金宝appLAB生产服务器。但我想指定端点,函数名和文件名。你可以能够看到我得到,我将查询从MATLAB——我将查询BI。我的见解和跟踪表(听不清),包括所有的(听不清)喂食器。
所有(听不清)喂食器在这个特定的网络,(听不清)特定的(听不清)。我得到了规范化功耗值未来24小时。同样的事情我要尝试与其他仪表盘。我将尝试与职位权力BI仪表板。我在同样的事情,同样的过程。我把一个API调用相同的MATLAB制作我们的端点。在这里,我完全选择特定的支线的地图。和负载生成下一个24小时。我要试一试这一件事,像基于javascript的仪表板。这个终点是一样的。 And I'm generating the forecast for next 24 hours. You can appreciate that how it is easily generated.
所以我们开始挑战,我们想主机在云计算平台上,我们需要手工翻译。但在这里,一切都在现场,但风景变化与MATLAB的帮助。所以很容易与MATLAB解决这些挑战帮助与工作流相关的内置应用程序。你可以欣赏,它是如何在MATLAB方便可行的。
总之,MATLAB帮助你解决能源预测问题放心从数据聚合到扩大到生产水平。你可以欣赏MATLAB及其内置的应用程序和基于任务的工作流解决整个工作流过程自在。这里是这个网络研讨会的关键外卖。所以当你想到MATLAB作为工作流和MATLAB工具为您的工作流,预处理也不再是一个耗时的过程。
我们在这里花最少的精力这个桶。和MATLAB使数据科学领域专家。你不需要一个数据科学专家在MATLAB做基于ai的任务。我们有一个(听不清)框架,您可以使用app-based工作流。MATLAB自动数据科学的工作给你。和MATLAB分析可以打开,从嵌入式硬件云部署。同一个算法可以在多个平台上的帮助下象限编译器产品。下载188bet金宝搏你可以想想MATLAB作为一个平台,而不是一个工具来解决您的工作流。
发展你的技能在MATLAB仿真软件,我们有多个相关的课程,培训课程与MA金宝appTLAB和Simulink相关联。数据科学,我们有多个课程从斜坡弯道课程,这是一个短的两个(听不清)课程。你会免费得到它。你可以能做机器学习——你可以能够学习MATLAB,机器学习和深度上优于工作流。我们也有MOOC-based课程托管在Coursera实际数据与MATLAB科学专业化的称号。
我们还提供MathWorks定制培训数据的科学。如果你需要定制的组织培训,请在培训在MathWorks.com伸出我们的咨询服务,您可以加速您的整个过程,我们的顾问将支持您的工作流程。金宝app你可以想想MathWorks工程合作伙伴(听不清)的任务。这就是我今天的。谢谢你!
相关产品下载188bet金宝搏
你也可以从下面的列表中选择一个网站:
表现最好的网站怎么走吗
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。