Tutoriales y ejemplos de Deep Learning - MATLAB y Simulink

Tutoriales y ejemplos de Deep Learning con MATLAB

Descargue una versión de prueba gratuita

Conceptos básicos

4 tareas frecuentes de Deep Learning con MATLAB.

Deep Learning para ingenieros (5 vídeos)

Esta serie de vídeos aborda temas sobre Deep Learning para ingenieros, tales como acceso a datos, entrenamiento de una red, uso de transferencia del aprendizaje e incorporación del modelo en un diseño más amplio.

Abra y explore este ejemplo interactivo en MATLAB Online

Clasificación con un modelo previamente entrenado

Más información

Vea los vídeos

Pruebe ejemplos

Cómo crear una red de Deep Learning simple para clasificación

Desarrolle sus habilidades

Redes neuronales profundas (4 vídeos)

MATLAB simplifica la creación y modificación de redes neuronales profundas. Estos vídeos describen cómo usar la app Deep Network Designer, una herramienta de estilo point-and-click, que permite trabajar con redes neuronales profundas de manera interactiva.

Ficha de ayuda de Deep Learning

Esta guía de inicio rápido muestra algunos casos prácticos frecuentes de Deep Learning con MATLAB.

Especialización en Deep Learning para visión artificial

En este curso aprenderá a aplicar Deep Learning y visión artificial a proyectos del mundo real.

Más información

Vea los vídeos

Pruebe ejemplos

Aplique sus conocimientos

Entrenamiento de modelos desde cero

Entrene una red neuronal convolucional (CNN) para identificar dígitos escritos a mano.

Modelos de Deep Learning previamente entrenados

Explore y descargue modelos de Deep Learning, y úselos directamente en MATLAB.

Tutorial de MATLAB para Deep Learning

Este tutorial práctico de dos horas ofrece una introducción a los métodos prácticos de Deep Learning para el reconocimiento de imágenes.

Más información

Vea los vídeos

Pruebe ejemplos

Inscríbase en cursos con instructor

Deep Learning con MATLAB

Cree y modifique redes neuronales profundas para clasificación, regresión y detección de objetos con datos de imágenes y secuencias.

Conducción autónoma con MATLAB

Utilice MATLAB para realizar tareas de conducción autónoma esenciales. Etiquete datos ground-truth, detecte carriles y objetos, genere escenarios de conducción y sensores de modelado, y visualice datos de sensores.

Preprocesamiento de señales y extracción de características para data analytics con MATLAB

Prepare datos de series temporales para analizarlos con Machine Learning. Entre los temas incluidos se encuentran importación de señales, eliminación de valores atípicos, y extracción de características en los dominios del tiempo y la frecuencia.