データ探索、機械学習モデルの構築、
データへのアクセス、データの前処理、機械学習モデルと予測モデルの構築、エンタープライズ IT システムへのモデル展開のためのツールを提供する MATLAB は、データサイエンスに適しています。
- フラットファイル、データベース、データヒストリアン、クラウドストレージに保存されているデータへのアクセス、およびデータ収集ハードウェアや金融データフィードなどのライブソースへの接続
- データ型および前処理機能 (プログラムによる対話型のデータ準備) を使った、データの管理とクリーニング (グラウンドトゥルースのラベル付けアプリを含む)
- MATLAB グラフィックスやライブエディター ノートブック環境を使った、データ分析のドキュメント化
- センサー、テキスト、画像、ビデオ、その他のタイプのデータに対して、専門分野特有の特徴量エンジニアリング手法を適用
- 機械学習アプリおよびディープラーニング アプリによる、さまざまなモデリング アプローチの探索
- 自動化された特徴選択、モデル選択、およびハイパーパラメーター調整 アルゴリズムによる機械学習モデルとディープラーニング モデルの微調整
- 他言語に再コーディングすることなく機械学習モデルを運用 IT システムに展開
機械学習モデルをスタンドアロンの C/C++ コードへ自動変換
MATLAB を使ってデータサイエンスを行う理由
探索的データ解析
データの前処理にかかる時間を短縮しましょう。時系列センサーデータから、画像、テキストに至るまで、MATLAB のデータ型により、データの前処理に必要な時間が大幅に削減されます。高水準関数により、異なる時系列の同期、外れ値の内挿値への置き換え、ノイズ信号のフィルタリング、および生テキストの単語分割などが容易になります。また、プロットやライブエディターによって迅速にデータを可視化することで、傾向の理解やデータ品質の問題の特定に役立ちます。
機械学習の適用
最適な機械学習モデルを見つけましょう。機械学習でサポートが必要な初心者にも、さまざまなモデルを短時間で評価したい上級者にも、分類アプリおよび回帰アプリが役立ちます。最も一般的な分類アルゴリズムや回帰アルゴリズムを使い、標準的な指標に基づいてモデルを比較し、より詳細な分析や統合に役立つモデルをエクスポートできます。自らコードを記述する場合は、モデルの学習関数に組み込まれているハイパーパラメーターの最適化を使用することで、モデルの調整に最適なパラメーターを迅速に見つけることができます。
マルチプラットフォーム展開
C/C++ コード、CUDA® コード、エンタープライズ IT システム、クラウドなど、さまざまな環境に機械学習モデルを展開することができます。パフォーマンスを重視する場合は、MATLAB コードからスタンドアロンの C コードを生成して、予測速度に優れ、メモリフットプリントの小さい配布可能なモデルを作成できます。さらに、機械学習モデルを Simulink で使用するためにエクスポートしたり、MATLAB Production Server に展開して、Web やデータベース、エンタープライズ アプリケーションと統合することもできます。
30日間無料トライアル
今すぐ始める
