データサイエンス向け MATLAB

データ探索、機械学習モデルの構築、
予測分析の実行

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

Panel Navigation

 

MATLAB および Simulink の新機能に関する 24 のテクニカルトーク

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。


データサイエンスに関するトピック

無料評価版を入手する

30 日間の無料評価版はこちら