Signalaufbereitung und Merkmalextraktion für Data Analytics mit MATLAB

In diesem eintägigen Kurs bereiten Sie mit MATLAB^®, der Signal Processing Toolbox^™ sowie der Wavelet Toolbox^™ zeitbasierte Signale auf und extrahieren Merkmale im Zeit- und Frequenzbereich. Der Kurs ist für Datenanalysten und Ingenieure konzipiert, die Zeitreihensignale für Data Analytics Anwendungen analysieren.
Themen sind unter anderem:

Generieren, Importieren und Visualisieren von Signalen
Aufbereiten von Daten zur Verbesserung der Qualität durch Füllen von Datenlücken, Resampling, Glätten, Ausrichten von Signalen, Finden und Entfernen von Ausreißern sowie Verarbeiten nicht gleichmäßig abgetasteter Signale
Extrahieren von Merkmalen im Zeit- und Frequenzbereich durch Erkennen von Mustern oder abrupten Änderungen in Signalen, Lokalisieren von Peaks und Identifizieren von Trends

Detaillierte Kursbeschreibung anzeigen

Voraussetzungen

MATLAB Grundlagen oder äquivalente MATLAB-Kenntnisse

Tag 1 von 1
Erkunden und Analysieren von Zeitreihensignalen in MATLAB	Ziel: Importieren und Visualisieren mehrerer Signale oder Datensätze mit Zeitreihen, um Erkenntnisse zu Merkmalen und Trends in Daten zu gewinnen. Importieren, Visualisieren und Betrachten von Signalen, um Erkenntnisse zu gewinnen Durchführen von Messungen an Signalen Vergleichen mehrerer Signale im Zeit- und Frequenzbereich Interaktives Durchführen spektraler Analysen Extrahieren interessanter Bereiche für eine gezielte Analyse Wiederholtes Analysieren mit automatisch generierten MATLAB-Skripten
Aufbereiten von Signalen zur Verbesserung der Qualität von Datensätzen	Ziel: Erlernen von Methoden zum Bereinigen von Signalen durch Resampling, Entfernen von Ausreißern und Füllen von Datenlücken. Konvertieren von Abtastraten durch Resampling, um eine gemeinsame zeitliche Basis für mehrere Signale sicherzustellen Arbeiten mit nicht gleichmäßig abgetasteten Daten Finden und anschließendes Entfernen oder Füllen von Datenlücken Entfernen von Rauschen und unerwünschtem Frequenzinhalt Unterdrücken von Rauschen mit Wavelets Berechnen des Hüllkurvenspektrums zum Durchführen von Fehleranalysen Erkennen von Ausreißern in Daten und Ersetzen mit geeigneten Werten Lokalisieren abrupter Änderungen in Signalen und Verwenden von Grenzen zum automatischen Erzeugen von Signalsegmenten
Extrahieren von Merkmalen aus Signalen	Ziel: Anwenden verschiedener Techniken zur Merkmalextraktion im Zeit- und Frequenzbereich. Kennenlernen von Tools für die Spektralanalyse mit MATLAB und Erkunden von Möglichkeiten zur Merkmalextraktion für mehrere Signale. Finden von Peaks Lokalisieren gewünschter Muster in Signalen im Zeit- und Frequenzbereich Verwenden der Spektralanalyse zur Extraktion von Merkmalen aus Signalen Klassifizieren mittels Supervised Learning Interaktives Trainieren und Auswerten von Klassifikationsalgorithmen mit der Classification Learner App

Termin garantiert.

Bei Anmeldung für einen dieser Kurse ist sichergestellt, dass der Kurs zum angegebenen Termin stattfindet und nicht verschoben oder storniert wird.

Termine und Anmeldung

Résultats 1 - 6 von 6

Datum	Ort	Sprache	Preis
23 Sep 2019	Deutschland, München (Ismaning)	German	EUR 700
25 Sep 2019	Frankreich, Paris (Meudon)	French	EUR 700
10 Okt 2019	Online 9:00 Uhr bis 17:00 Uhr US-amerikanische östliche Sommerzeit	English	USD 750
22 Okt 2019	US, California, San Jose	English	USD 750
25 Okt 2019	Republik Korea, Seoul	Korean	KRW 450.000
04 Nov 2019	US, Utah, Salt Lake City (Centerville)	English	USD 750

Résultats 1 - 6 von 6

Die Preise gelten für den Erwerb und die Nutzung in USA, Um Preise für andere Regionen zu erfragen, kontaktieren Sie den Vertrieb. Der angegebene Preis enthält keine Umsatz- oder Mehrwertsteuer bzw. andere Steuern. Eventuell für diesen Erwerb anfallende Steuern, Abgaben oder Gebühren werden auf der Bestellung ausgewiesen. Nähere Informationen finden Sie unter MathWorks Schulungsrichtlinien.