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、機械学習と予測モデルの構築、エンタープライズ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
  • データ型や前処理による、データ管理やデータクレンジング(プログラミング処理および、ground-truthラベリングアプリを用いる対話的処理)
  • MATLAB グラフィックス Live Editor 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

探索的データ分析

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
に組み込まれているのデータ型により、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、および文字列の単語への分割などが容易になります。また、プロットや Live Editor 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 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実装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させることもできます。

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