Gartner 在其 2019 年 1 月的數(shù)據(jù)科學(xué)和機器學(xué)習平臺魔力象限中將 MathWorks 評為卓識遠見者。

對于跟 MathWorks 有合作關(guān)系的許多組織而言，深度學(xué)習和人工智能是它們關(guān)注的頭等大事?？吹皆S多工程師和科學(xué)家在研究深度學(xué)習并將其應(yīng)用到各種應(yīng)用程序中，這讓我們深受鼓舞。這些應(yīng)用程序包羅萬象，無論是在無人機中使用人工智能檢測衛(wèi)星圖像中的對象，還是改進癌癥篩查中早期疾病檢測的病理學(xué)診斷，都能看到深度學(xué)習的身影。

如果您關(guān)注，就會知道 MATLAB 是如何提供一個全面的深度學(xué)習工作流的。

它可以簡化和自動化數(shù)據(jù)合成、標記、訓(xùn)練、調(diào)優(yōu)以及將深度學(xué)習部署到 AI 驅(qū)動的系統(tǒng)中，這些系統(tǒng)可能是企業(yè)應(yīng)用程序、嵌入式系統(tǒng)或邊緣計算系統(tǒng)。這使得工程師和科學(xué)家可以在沒有數(shù)據(jù)科學(xué)經(jīng)驗的情況下使用人工智能。這些工具還可以將深度學(xué)習的應(yīng)用從圖像和計算機視覺擴展到多個使用時間序列數(shù)據(jù)的應(yīng)用，如音頻、語音、金融時間序列和物聯(lián)網(wǎng)時間戳數(shù)據(jù)。

人工智能是高管們一直關(guān)注的重點問題。通過在其組織內(nèi)部推廣以數(shù)據(jù)為中心的文化，首席執(zhí)行官和高管層越來越將實現(xiàn)人工智能視為一項戰(zhàn)略任務(wù)。

Gartner 已預(yù)見到人工智能的戰(zhàn)略重要性，其在這一領(lǐng)域的研究將幫助企業(yè)領(lǐng)導(dǎo)者在向AI轉(zhuǎn)型中找到提高速度和效率的新方法，并為客戶帶來更好的效益。

如果您對 Gartner 給予 MathWorks 的認可感到驚訝，那么您可能還不夠了解我們。

由于越來越多的工程團隊選擇使用 MATLAB，多年來我們一直在擴展我們的研究焦點，并旨在將 MATLAB 打造成一個由 IT 和 OT 團隊設(shè)計和管理的適用于企業(yè)應(yīng)用的強大工具。我們已簡化了MATLAB 在多個領(lǐng)域的使用，包括在 Azure 和 AWS 上進行的數(shù)據(jù)科學(xué)和機器學(xué)習，使用多個實例和多個 GPU 硬件進行擴展，以及將基于MATLAB 的應(yīng)用與企業(yè)系統(tǒng)集成。例如，我們最近與 NVIDIA GPU Cloud 的集成使我們能夠在 DGX 內(nèi)部部署系統(tǒng)以及云端的多個 GPU 實例上進行深入學(xué)習訓(xùn)練。

我們認為 Gartner 的贊譽很好地證明了這一點，我們很榮幸被 Gartner 提名為 2019 年數(shù)據(jù)科學(xué)和機器學(xué)習平臺魔力象限的卓識遠見者。人工智能在改造汽車、航空、油氣、公用事業(yè)、工業(yè)機械等以資產(chǎn)為中心的產(chǎn)業(yè)方面有著巨大的潛力。今天，我們與這些行業(yè)的領(lǐng)導(dǎo)者在計算機視覺、預(yù)測性維護、機器人、高級控制、優(yōu)化等領(lǐng)域的應(yīng)用方面緊密合作。這僅僅是個開始。我們將一如既往地專注于利用 MATLAB，讓人工智能成為一種簡單、愉悅和富有成效的體驗。

點擊詳細了解 MathWorks 為何被 Gartner 譽為卓識遠見者：

MATLAB R2019a 對 AI 的支持

這些變革技術(shù)背后，都有我在 >>

利用 MATLAB 實現(xiàn)深度學(xué)習

利用 MATLAB 實現(xiàn)機器學(xué)習

免責聲明：Gartner 對其研究出版物中所述的任何供應(yīng)商、產(chǎn)品或服務(wù)不做任何擔保，也不建議技術(shù)用戶只選擇評級最高或擁有其他稱號的供應(yīng)商。Gartner 研究出版物包含 Gartner 研究機構(gòu)的觀點，但這些觀點不應(yīng)被視為事實陳述。Gartner 不對本研究做出任何明示或暗示的保證，包括對適銷性或特定用途適用性的任何保證。

使用 MATLAB 進行深度學(xué)習

本課程全面介紹使用 MATLAB 進行實際的深度學(xué)習。參加者將學(xué)習如何創(chuàng)建、訓(xùn)練和評估不同種類的深度神經(jīng)網(wǎng)絡(luò)。內(nèi)容包括：

導(dǎo)入圖像和序列數(shù)據(jù)

使用卷積神經(jīng)網(wǎng)絡(luò)進行圖像分類，回歸和目標檢測

使用長短期記憶網(wǎng)絡(luò)進行序列分類和預(yù)測

修改常見的網(wǎng)絡(luò)結(jié)構(gòu)解決自定義問題

修改訓(xùn)練選項來改善網(wǎng)絡(luò)效率