從預(yù)測(cè)性維護(hù)和遠(yuǎn)程信息處理到高級(jí)駕駛輔助系統(tǒng)（ADAS）和傳感器分析，工程和 IT 團(tuán)隊(duì)使用 MATLAB 構(gòu)建先進(jìn)的大數(shù)據(jù)分析系統(tǒng)。這些團(tuán)隊(duì)選擇使用 MATLAB，因?yàn)樗芴峁┥虅?wù)智能系統(tǒng)或開(kāi)源語(yǔ)言所不具備的必要功能，比如：

物理世界數(shù)據(jù)：MATLAB 可對(duì)傳感器、圖像、視頻、遙測(cè)、二進(jìn)制和其他實(shí)時(shí)格式提供直接支持。

機(jī)器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)統(tǒng)計(jì)等：MATLAB 可提供一整套的數(shù)據(jù)統(tǒng)計(jì)和機(jī)器學(xué)習(xí)功能，以及高級(jí)方法，例如非線性?xún)?yōu)化、系統(tǒng)辨識(shí)和數(shù)千種預(yù)置算法以進(jìn)行圖像處理、金融建模和控制系統(tǒng)設(shè)計(jì)。

大數(shù)據(jù)集的高速處理：MATLAB 的數(shù)值運(yùn)算可直接擴(kuò)展到集群和云上進(jìn)行并行處理。

在線和實(shí)時(shí)部署：MATLAB 可集成到企業(yè)系統(tǒng)、集群和云，并且可以部署到實(shí)時(shí)嵌入式硬件。

MathWorks 數(shù)據(jù)分析小組的產(chǎn)品市場(chǎng)營(yíng)銷(xiāo)經(jīng)理 Seth DeLand 分享數(shù)據(jù)分析在 2018 年度的應(yīng)用趨勢(shì)。

預(yù)測(cè)分析

眾所周知，數(shù)據(jù)分析技術(shù)可以在預(yù)測(cè)性維護(hù)等領(lǐng)域帶來(lái)顯著的商業(yè)利益。但是，這類(lèi)應(yīng)用的系統(tǒng)體系結(jié)構(gòu)仍然是一個(gè)懸而未決的問(wèn)題?？蛻?hù)不太愿意與供應(yīng)商分享其數(shù)據(jù)，而龐大的數(shù)據(jù)量也使記錄來(lái)自機(jī)器的所有數(shù)據(jù)難以實(shí)現(xiàn)，并且響應(yīng)事件的要求可能在毫秒之間— 這對(duì)于等待來(lái)自Internet 服務(wù)器的響應(yīng)而言時(shí)間太短。

所有這些因素都會(huì)推動(dòng)“邊緣”創(chuàng)新或設(shè)備本身的創(chuàng)新。這會(huì)需要數(shù)據(jù)縮減技術(shù)，例如可以將高頻率傳感器數(shù)據(jù)轉(zhuǎn)換為可以通過(guò)網(wǎng)絡(luò)輕松傳輸?shù)膲嚎s形式的信號(hào)處理算法。設(shè)計(jì)約束也可能會(huì)導(dǎo)致在設(shè)備上直接運(yùn)行機(jī)器學(xué)習(xí)模型。使用可以方便地開(kāi)發(fā)算法并將它部署到不同方案中的軟件使設(shè)計(jì)團(tuán)隊(duì)可以為其系統(tǒng)實(shí)施最佳體系結(jié)構(gòu)。

隨著 AI系統(tǒng)、可穿戴設(shè)備和其他新技術(shù)從概念轉(zhuǎn)變?yōu)楝F(xiàn)實(shí)，首要的需求是聚合在多個(gè)平臺(tái)間分散的數(shù)據(jù)、應(yīng)用最新的分析功能兵將數(shù)據(jù)轉(zhuǎn)換為可操作的內(nèi)容。

預(yù)測(cè)分析系統(tǒng)將允許在患者與醫(yī)生之間建立更詳盡全面的個(gè)人關(guān)系，并在護(hù)理時(shí)進(jìn)行更有效的診斷。預(yù)測(cè)分析很可能還會(huì)通過(guò)從可穿戴設(shè)備收集和個(gè)人設(shè)備上分享的數(shù)據(jù)來(lái)推動(dòng)預(yù)防性和治療性護(hù)理的進(jìn)展。

機(jī)器學(xué)習(xí)和深度學(xué)習(xí)

隨著機(jī)器學(xué)習(xí)技術(shù)的應(yīng)用變得越來(lái)越簡(jiǎn)單，越來(lái)越多的產(chǎn)品和服務(wù)將采用機(jī)器學(xué)習(xí)模型。嵌入式系統(tǒng)（通常用于控制和診斷）將采用機(jī)器學(xué)習(xí)模型檢測(cè)以前無(wú)法觀測(cè)的現(xiàn)象（例如：檢測(cè)駕駛員的駕駛風(fēng)格，或是對(duì)機(jī)器是否可能會(huì)發(fā)生故障進(jìn)行分類(lèi)）。在 2018 年，我們將繼續(xù)看到機(jī)器學(xué)習(xí)模型應(yīng)用于在新領(lǐng)域中，尤其是在邊緣節(jié)點(diǎn)和嵌入式處理器中。

雖然深度學(xué)習(xí)仍被認(rèn)為前途無(wú)量，但仍然需要進(jìn)行大量的設(shè)計(jì)和調(diào)整來(lái)訓(xùn)練有效的深度網(wǎng)絡(luò)。諸如自動(dòng)超參數(shù)調(diào)優(yōu)這類(lèi)技術(shù)似乎能很好地減少這些工作量，這將加快采用深度學(xué)習(xí)的步伐。

數(shù)據(jù)科學(xué)

隨著更多工程和 IT 團(tuán)隊(duì)的整合，對(duì)于了解企業(yè)核心產(chǎn)品和服務(wù)的領(lǐng)域?qū)＜业男枨髮?huì)增加。通過(guò)與數(shù)據(jù)科學(xué)家合作（或任職），這些領(lǐng)域?qū)＜以诿鞔_數(shù)據(jù)科學(xué)技術(shù)可以使企業(yè)受益的領(lǐng)域至關(guān)重要。

授權(quán)這些領(lǐng)域?qū)＜覒?yīng)用數(shù)據(jù)科學(xué)方法將使大數(shù)據(jù)和機(jī)器學(xué)習(xí)技術(shù)可以快速整合到更廣泛的組織的服務(wù)和運(yùn)營(yíng)中，最終在為客戶(hù)提供需要的產(chǎn)品和服務(wù)時(shí)建立顯著的競(jìng)爭(zhēng)優(yōu)勢(shì)。