Cursos de MATLAB

MATLAB Training

MATLAB Statistical Software courses

Programas de los Cursos de MATLAB

Código Nombre Duración Información General
matlabdsandreporting Fundamentos de MATLAB, Ciencia de datos y generación de informes 126 horas En la primera parte de esta capacitación, cubrimos los fundamentos de MATLAB y su función como lenguaje y plataforma. Se incluye en esta discusión una introducción a la sintaxis, arreglos y matrices de MATLAB, visualización de datos, desarrollo de guiones y principios orientados a objetos. En la segunda parte, demostramos cómo usar MATLAB para minería de datos, aprendizaje automático y análisis predictivo. Para proporcionar a los participantes una perspectiva clara y práctica del enfoque y el poder de MATLAB, hacemos comparaciones entre el uso de MATLAB y el uso de otras herramientas como hojas de cálculo, C, C ++ y Visual Basic. En la tercera parte de la capacitación, los participantes aprenden a optimizar su trabajo al automatizar el procesamiento de datos y la generación de informes. A lo largo del curso, los participantes pondrán en práctica las ideas aprendidas a través de ejercicios prácticos en un entorno de laboratorio. Al final de la capacitación, los participantes tendrán un conocimiento completo de las capacidades de MATLAB y podrán emplearlo para resolver problemas de ciencia de datos del mundo real, así como para optimizar su trabajo a través de la automatización. Las evaluaciones se llevarán a cabo durante todo el curso para medir el progreso. Formato del curso El curso incluye ejercicios teóricos y prácticos, incluidas discusiones de casos, inspección de código de muestra e implementación práctica. Nota Las sesiones de práctica se basarán en plantillas de informes de datos de muestra previamente organizadas. Si tiene requisitos específicos, contáctenos para hacer arreglos. Introducción MATLAB para ciencia de datos e informes Parte 01: fundamentos de MATLAB Visión de conjunto      MATLAB para análisis de datos, visualización, modelado y programación. Trabajando con la interfaz de usuario de MATLAB Descripción general de la sintaxis de MATLAB Ingresando comandos      Usando la interfaz de línea de comando Creando variables      Numérico vs datos de caracteres Analizando vectores y matrices      Creando y manipulando      Realizando cálculos Visualización de datos vectoriales y matriciales Trabajando con archivos de datos      Importar datos de hojas de cálculo de Excel Trabajando con tipos de datos      Trabajando con datos de tabla Automatización de comandos con scripts      Crear y ejecutar scripts      Organizando y publicando tus guiones Programas de escritura con bifurcaciones y bucles      Interacción del usuario y control de flujo Funciones de escritura      Creación y llamada de funciones      Depuración con el Editor MATLAB Aplicar principios de programación orientados a objetos a sus programas Parte 02: MATLAB para ciencia de datos Visión de conjunto      MATLAB para minería de datos, aprendizaje automático y análisis predictivo Accediendo a los datos      Obtener datos de archivos, hojas de cálculo y bases de datos      Obtención de datos del equipo y hardware de prueba      Obtención de datos del software y la Web Explorando datos      Identificar tendencias, probar hipótesis y estimar la incertidumbre Creando algoritmos personalizados Creando visualizaciones Creando modelos Publicación de informes personalizados Compartir herramientas de análisis      Como código MATLAB      Como aplicaciones de escritorio o web independientes Uso de la Caja de herramientas de estadísticas y aprendizaje automático Uso de la Caja de herramientas de la red neuronal Parte 03: generación de informes Visión de conjunto     Presentación de resultados de programas, aplicaciones y datos de muestra de MATLAB     Generación de informes de Microsoft Word, PowerPoint®, PDF y HTML.     Informes templados     Informes a medida         Usar las plantillas y estándares de la organización Crear informes interactivamente vs programáticamente     Uso del Explorador de informes     Usando la API DOM (Document Object Model) Crear informes de manera interactiva usando Report Explorer     Ejemplos de Explorer de informes         Ejemplo de Magic Squares Report Explorer     Creando informes         Con el Explorador de informes para crear un archivo de configuración de informes, defina la estructura y el contenido del informe     Formateo de informes         Especificación del estilo y formato de informe predeterminados para informes de Report Explorer     Generando informes         Configurar Report Explorer para procesar y ejecutar el informe     Gestión de plantillas de conversión de informes         Copiar y administrar plantillas de conversión de Microsoft Word, PDF y HTML para informes de Report Explorer     Personalización de plantillas de conversión de informes         Personalizar el estilo y el formato de las plantillas de conversión de Microsoft Word y HTML para los informes de Report Explorer     Personalizar componentes y hojas de estilo         Personalizar los componentes del informe, definir hojas de estilo de diseño Crear informes programáticamente en MATLAB     Ejemplos de API de objetos de informe basados ​​en plantillas (DOM)         Informe funcional         Informe orientado a objetos         Formateo de informe programático     Creando contenido de informe         Uso de la API del modelo de objetos de documento (DOM)     Conceptos básicos de formato de informe         Especificación de formato para el contenido del informe     Crear informes basados ​​en formularios         Usar DOM API para completar los espacios en blanco en un formulario de informe     Crear informes orientados a objetos         Derivación de clases para simplificar la creación y el mantenimiento de informes     Crear y formatear objetos de informe         Listas, tablas e imágenes     Crear informes DOM desde HTML         Anexar cadena o archivo HTML a un informe de Microsoft® Word, PDF o HTML generado por la API de Document Object Model (DOM)     Crear plantillas de informes         Crear plantillas para usar con informes programáticos     Formateo de diseños de página         Formateo de páginas en informes de Microsoft Word y PDF
matlabfincance Matlab para Finanzas 14 horas MATLAB integra computación, visualización y programación en un entorno fácil de usar. Ofrece Financial Toolbox, que incluye las funciones necesarias para realizar análisis matemáticos y estadísticos de datos financieros, y luego muestra los resultados con gráficos de calidad de presentación. Esta capacitación guiada por un instructor proporciona una introducción a MATLAB para finanzas. Nos sumergimos en el análisis de datos, visualización, modelado y programación a través de ejercicios prácticos y prácticas abundantes en el laboratorio. Al final de esta capacitación, los participantes comprenderán a fondo las poderosas características incluidas en la Caja de Herramientas Financieras de MATLAB y habrán adquirido la práctica necesaria para aplicarlas inmediatamente para resolver problemas del mundo real. Audiencia       Profesionales financieros con experiencia previa con MATLAB Formato del curso      Conferencia parcial, discusión parcial, práctica práctica intensa Descripción general de la caja de herramientas financieras de MATLAB Objetivo: aprender a aplicar las diversas funciones incluidas en MATLAB Financial Toolbox para realizar análisis cuantitativos para la industria financiera. Obtenga el conocimiento y la práctica necesarios para desarrollar eficientemente aplicaciones del mundo real que involucren datos financieros. Asignación de activos y optimización de la cartera Análisis de riesgo y rendimiento de la inversión Análisis de ingresos fijos y precios de opciones Análisis de series temporales financieras Regresión y estimación con datos perdidos Indicadores técnicos y tablas financieras Simulación Monte Carlo de modelos SDE Asignación de activos y optimización de la cartera Objetivo: realizar asignación de capital, asignación de activos y evaluación de riesgos. Estimar el rendimiento de los activos y los momentos de devolución totales a partir de los datos de precio o rendimiento Cálculo de estadísticas a nivel de cartera, como media, varianza, valor en riesgo (VaR) y valor condicional en riesgo (CVaR) Realización de análisis y optimización de cartera de media-varianza restringida Examinar la evolución temporal de asignaciones de cartera eficientes Realización de asignación de capital Contabilización de la facturación y los costos de transacción en problemas de optimización de la cartera Análisis de riesgo y rendimiento de la inversión Objetivo: Definir y resolver problemas de optimización de cartera. Especificar un nombre de cartera, el número de activos en un universo de activos e identificadores de activos. Definición de una asignación de cartera inicial. Análisis de ingresos fijos y precios de opciones Objetivo: realizar un análisis de ingresos fijos y fijación de precios de opciones. Analizando el flujo de caja Realizar análisis de seguridad de ingresos fijos conforme a SIA Realización de precios de opción Black-Scholes, Black y binomial básicos Análisis de series temporales financieras Objetivo: analizar datos de series de tiempo en los mercados financieros. Realizar datos matemáticos Transformando y analizando datos Análisis técnico Gráficos y gráficos Regresión y estimación con datos perdidos Objetivo: realizar una regresión normal multivariante con o sin datos faltantes. Realizando regresiones comunes Estimación de la función de verosimilitud de log y errores estándar para la prueba de hipótesis Completar los cálculos cuando faltan datos Indicadores técnicos y tablas financieras Objetivo: Practicar el uso de métricas de rendimiento y trazados especializados. Promedios móviles Osciladores, estocásticos, índices e indicadores Descenso máximo y reducción máxima esperada Gráficos, que incluyen bandas de Bollinger, diagramas de velas y promedios móviles Simulación Monte Carlo de modelos SDE Objetivo: crear simulaciones y aplicar modelos SDE Movimiento Browniano (BM) Movimiento Browniano Geométrico (GBM) Elasticidad constante de varianza (CEV) Cox-Ingersoll-Ross (CIR) Hull-White / Vasicek (HWV) Heston Conclusión
matlabfundamentalsfinance Fundamentos de MATLAB - Personalizado 35 horas Este curso proporciona una introducción completa al entorno informático técnico de MATLAB + una introducción al uso de MATLAB para aplicaciones financieras. El curso está dirigido a usuarios principiantes y aquellos que buscan una revisión. No se asume experiencia previa en programación o conocimiento de MATLAB. Los temas de análisis de datos, visualización, modelado y programación se exploran a lo largo del curso. Los temas incluyen: Trabajando con la interfaz de usuario de MATLAB Ingresando comandos y creando variables Analizando vectores y matrices Visualización de datos vectoriales y matriciales Trabajando con archivos de datos Trabajando con tipos de datos Automatización de comandos con scripts Escritura de programas con lógica y control de flujo Funciones de escritura Uso de Financial Toolbox para el análisis cuantitativo Parte 1 Una breve introducción a MATLAB Objetivos: ofrecer una descripción general de lo que es MATLAB, en qué consiste y qué puede hacer por usted Un ejemplo: C vs. MATLAB Descripción del producto MATLAB Campos de aplicación de MATLAB ¿Qué puede hacer MATLAB por usted? El esquema del curso Trabajando con la interfaz de usuario MATLAB Objetivo: Obtener una introducción a las características principales del entorno de diseño integrado de MATLAB y sus interfaces de usuario. Obtenga una descripción general de los temas del curso. Interfaz MATALB Leyendo datos del archivo Guardar y cargar variables Trazando datos Personalizar parcelas Cálculo de estadísticas y línea de ajuste óptimo Exportación de gráficos para usar en otras aplicaciones Variables y expresiones Objetivo: Ingresar los comandos de MATLAB, con énfasis en crear y acceder a datos en variables. Ingresando comandos Creando variables Obteniendo ayuda Accediendo y modificando valores en variables Creando variables de caracteres Análisis y visualización con vectores Objetivo: realizar cálculos matemáticos y estadísticos con vectores y crear visualizaciones básicas. Vea cómo la sintaxis de MATLAB permite cálculos en conjuntos de datos completos con un solo comando. Cálculos con vectores Trazado de vectores Opciones de trazado básico Parcelas de anotación Análisis y visualización con matrices Objetivo: Usar matrices como objetos matemáticos o como colecciones de datos (vector). Comprenda el uso apropiado de la sintaxis de MATLAB para distinguir entre estas aplicaciones. Tamaño y dimensionalidad Cálculos con matrices Estadísticas con datos matriciales Trazando múltiples columnas Remodelación y indexación lineal Arrays multidimensionales Parte 2 Automatización de comandos con scripts Objetivo: Recopilar comandos de MATLAB en scripts para facilitar la reproducción y la experimentación. A medida que aumenta la complejidad de sus tareas, ingresar secuencias largas de comandos en la Ventana de Comando se vuelve poco práctico. Un ejemplo de modelado El historial de comando Crear archivos de script Ejecutando scripts Comentarios y celdas de código Publicación de scripts Trabajando con archivos de datos Objetivo: traer datos a MATLAB desde archivos formateados. Debido a que los datos importados pueden ser de una amplia variedad de tipos y formatos, se hace hincapié en trabajar con matrices de celdas y formatos de fecha. Importar datos Tipos de datos mixtos Matrices de celdas Conversiones entre numerales, cadenas y celdas Exportar datos Múltiples parcelas de vectores Objetivo: crear gráficos vectoriales más complejos, como gráficos múltiples, y usar técnicas de manipulación de colores y cadenas para producir representaciones visuales de datos llamativas. Estructura de gráficos Múltiples figuras, ejes y tramas Trazando ecuaciones Usando color Personalizar parcelas Lógica y control de flujo Objetivo: usar operaciones lógicas, variables y técnicas de indexación para crear código flexible que pueda tomar decisiones y adaptarse a diferentes situaciones. Explore otras construcciones de programación para repetir secciones de código y construcciones que permitan la interacción con el usuario. Operaciones lógicas y variables Indexación lógica Construcciones de programación Control de flujo Bucles Matriz y visualización de imágenes Objetivo: visualizar imágenes y datos de matriz en dos o tres dimensiones. Explore la diferencia al mostrar imágenes y visualizar datos matriciales usando imágenes. Interpolación dispersa utilizando datos vectoriales y matriciales Visualización de matriz tridimensional Visualización de matriz 2-D Imágenes indexadas y mapas de colores Imágenes de color verdadero Parte 3 Análisis de los datos Objetivo: realizar tareas típicas de análisis de datos en MATLAB, incluido el desarrollo y ajuste de modelos teóricos a datos de la vida real. Esto conduce naturalmente a una de las características más poderosas de MATLAB: resolver sistemas lineales de ecuaciones con un solo comando. Tratando con datos faltantes Correlación Suavizado Análisis espectral y FFT Resolviendo sistemas lineales de ecuaciones Funciones de escritura Objetivo: Aumentar la automatización encapsulando tareas modulares como funciones definidas por el usuario. Comprenda cómo MATLAB resuelve las referencias a archivos y variables. ¿Por qué funciona? Creando funciones Agregar comentarios Subfunciones de llamadas Espacios de trabajo Subfunciones Camino y precedencia Tipos de datos Objetivo: explorar los tipos de datos, centrarse en la sintaxis para crear variables y acceder a los elementos de la matriz, y discutir los métodos para la conversión entre los tipos de datos. Los tipos de datos difieren en el tipo de datos que pueden contener y la forma en que se organizan los datos. Tipos de datos MATLAB Enteros Estructuras Conversión de tipos Archivo de E / S Objetivo: explorar las funciones de importación y exportación de datos de bajo nivel en MATLAB que permiten un control preciso sobre el texto y la E / S de archivos binarios. Estas funciones incluyen textscan, que proporciona un control preciso de la lectura de archivos de texto. Apertura y cierre de archivos Leer y escribir archivos de texto Leer y escribir archivos binarios Tenga en cuenta que la entrega real puede estar sujeta a discrepancias menores del esquema anterior sin notificación previa. Parte 4 Descripción general de la caja de herramientas financieras de MATLAB Objetivo: aprender a aplicar las diversas funciones incluidas en MATLAB Financial Toolbox para realizar análisis cuantitativos para la industria financiera. Obtenga el conocimiento y la práctica necesarios para desarrollar eficientemente aplicaciones del mundo real que involucren datos financieros. Asignación de activos y optimización de la cartera Análisis de riesgo y rendimiento de la inversión Análisis de ingresos fijos y precios de opciones Análisis de series temporales financieras Regresión y estimación con datos perdidos Indicadores técnicos y tablas financieras Simulación Monte Carlo de modelos SDE Asignación de activos y optimización de la cartera Objetivo: realizar asignación de capital, asignación de activos y evaluación de riesgos. Estimar el rendimiento de los activos y los momentos de devolución totales a partir de los datos de precio o rendimiento Cálculo de estadísticas a nivel de cartera, como media, varianza, valor en riesgo (VaR) y valor condicional en riesgo (CVaR) Realización de análisis y optimización de cartera de media-varianza restringida Examinar la evolución temporal de asignaciones de cartera eficientes Realización de asignación de capital Contabilización de la facturación y los costos de transacción en problemas de optimización de la cartera Análisis de riesgo y rendimiento de la inversión Objetivo: Definir y resolver problemas de optimización de cartera. Especificar un nombre de cartera, el número de activos en un universo de activos e identificadores de activos. Definición de una asignación de cartera inicial. Análisis de ingresos fijos y precios de opciones Objetivo: realizar un análisis de ingresos fijos y fijación de precios de opciones. Analizando el flujo de caja Realizar análisis de seguridad de ingresos fijos conforme a SIA Realización de precios de opción Black-Scholes, Black y binomial básicos Parte 5 Análisis de series temporales financieras Objetivo: analizar datos de series de tiempo en los mercados financieros. Realizar datos matemáticos Transformando y analizando datos Análisis técnico Gráficos y gráficos Regresión y estimación con datos perdidos Objetivo: realizar una regresión normal multivariante con o sin datos faltantes. Realizando regresiones comunes Estimación de la función de verosimilitud de log y errores estándar para la prueba de hipótesis Completar los cálculos cuando faltan datos Indicadores técnicos y tablas financieras Objetivo: Practicar el uso de métricas de rendimiento y trazados especializados. Promedios móviles Osciladores, estocásticos, índices e indicadores Descenso máximo y reducción máxima esperada Gráficos, que incluyen bandas de Bollinger, diagramas de velas y promedios móviles Simulación Monte Carlo de modelos SDE Objetivo: crear simulaciones y aplicar modelos SDE Movimiento Browniano (BM) Movimiento Browniano Geométrico (GBM) Elasticidad constante de varianza (CEV) Cox-Ingersoll-Ross (CIR) Hull-White / Vasicek (HWV) Heston Conclusión Objetivos: Resumir lo que hemos aprendido Un resumen del curso Otros próximos cursos sobre MATLAB Nota: el contenido real entregado puede diferir del esquema como resultado de los requisitos del cliente y el tiempo dedicado a cada tema.
surveyp Research Survey Processing 28 horas This four day course walks you from the point you design your research surveys to the tme where you gather and collect the findings of the survey. The course is based on Excel and Matlab. You will learn how to design the survey form and what the suitable data fields should be, and how to process extra data information when needed. The course will show you the way the data is entered and how to validate and correct wrong data values. At the end the data analysis will be conducted in a variety of ways to ensure the effectiveness of the data gathered and to find out hidden trends and knowledge within this data. A number of case studies will be carried out during the course to make sure all the concepts have been well understood.Day 1: Data analysis Determining the Target of the survey Survey Design data fields and their types dealing with drill down surveies Data Collection Data Entry Excel Session Day 2: Data cleaning Data reduction Data Sampling Removing unexpcted data Removing outlier Data Analysis statstics is not enough Excel Session Day 3: Data visualization parallel cooridnates scatter plot pivot tables cross tables Excel Session Conducting data mining algorithms on the data Decision tree Clustering mining assoiciation rules matlab session Day 4: Reporting and Disseminating Results Archiving data and the finding out Feedback for conducting new surveies
simwcs Simulación de Sistemas de Comunicaciones Inalámbricas Utilizando MATLAB 72 horas This course contains a comprehensive material about MATLAB as a powerful simulation tool for communications. The aim of this course is to introduce MATLAB not only as a general programming language, rather, the role of the extremely powerful MATLAB capabilities as a simulation tool is emphasized. The examples given to illustrate the material of the course is not just a direct use of MATLAB commands, instead they often represent real problems.•    Outcomes of this course After the completion of this course, the student should be able to attack many of the currently open research problems in the field of communications engineering as he/she should have acquired at least the following skills  •    Map and manipulate complicated mathematical expressions that appear frequently in communications engineering literature •     •    Ability to use the programming capabilities offered by MATLAB in order to reproduce the simulation results of other papers or at least approach these results. •    Create the simulation models of self-proposed ideas. •    Employ the acquired simulation skills efficiently in conjunction with the powerful MATLAB capabilities to design optimized MATLAB codes in terms of the code run time while economizing the memory space.  •    Identify the key simulation parameters of a given communication systems, extract them from the system model and study the impact of these parameters on the performance of the system considered.  •    Course Structure The material provided in this course is extremely correlated. It is not recommended that a student attend a level unless he/she attends and deeply understands its prior level in order to ensure the continuity of the acquired knowledge. The course is structured into three levels starting from an introduction to MATLAB programming up to the level of complete system simulation as follows.  Level 1: Communications Mathematics with MATLAB Sessions 01-06  After the completion of this part, the student will be able to evaluate complicated mathematical expressions and easily construct the proper graphs for different data representation such as time and frequency domain plots; BER plots antenna radiation patterns…etc. Fundamental concepts 1.    The concept of simulation 2.    The importance of simulation in communications engineering 3.    MATLAB as a simulation enviroment  4.    About matrix and vector representation of scalar signals in communications mathematics 5.    Matrix and vector representations of complex baseband signals in MATLAB MATLAB Desktop  6.    Tool bar 7.    Command window 8.    Work space  9.    Command history Variable, vector and matrix declaration 10.    MATLAB pre-defined constants 11.    User defined variables 12.    Arrays , vectors and matrices 13.    Manual matrix entry 14.    Interval  definition 15.    Linear space  16.    Logarithmic space 17.    Variable naming rules Special matrices 18.    The ones matrix  19.    The zeros matrix   20.    The identity matrix  Element-wise and matrix-wise manipulation  21.    Accessing specific elements  22.    Modifying elements 23.    Selective elimination of elements (Matrix truncation) 24.    Adding elements , vectors or matrices (Matrix concatenation) 25.    Finding the index of an element inside a vector or a matrix   26.    Matrix reshaping  27.    Matrix truncation 28.    Matrix concatenation 29.    Left to right and right to left flipping Unary matrix operators 30.    The Sum operator   31.    The expectation operator   32.    Min operator   33.    Max operator   34.    The trace operator 35.    Matrix determinant |.| 36.    Matrix inverse   37.    Matrix transpose  38.    Matrix Hermitian   39.    …etc Binary matrix operations  40.    Arithmetic operations  41.    Relational operations  42.    Logical operations Complex numbers in MATLAB 43.    Complex baseband representation of passband signals and RF up-conversion , a mathematical review 44.    Forming complex variables ,vectors and matrices 45.    Complex exponentials   46.    The real part operator   47.    The imaginary part operator   48.    The conjugate operator (.)* 49.    The absolute operator |.| 50.    The argument or phase operator  MATLAB built in functions  51.    Vectors of vectors and matrix of matrix 52.    The square root function  53.    The sign function   54.    The "round to integer" function   55.    The "nearest lower integer function"  56.    The "nearest upper integer function"  57.    The factorial function  58.    Logarithmic functions (exp,ln,log10,log2) 59.    Trigonometric functions 60.    Hyperbolic functions 61.    The Q(.) function 62.    The erfc(.) function 63.    Bessel functions Jo (.) 64.    The Gamma function   65.    Diff , mod commands Polynomials in MATLAB 66.    Polynomials in MATLAB     67.    Rational functions  68.    Polynomial derivatives 69.    Polynomial integration  70.    Polynomial multiplication  Linear scale plots  71.    Visual representations of continuous time-continuous amplitude signals 72.    Visual representations of stair case approximated signals 73.    Visual representations of discrete time – discrete amplitude signals Logarithmic scale plots   74.    dB-decade plots (BER) 75.    decade-dB plots (Bode plots , frequency response , signal spectrum) 76.    decade-decade plots 77.    dB-linear plots  2D Polar plots 78.    (planar antenna radiation patterns) 3D Plots 79.    3D radiation patterns  80.    Cartesian parametric plots  Optional Section (given upon the demand of the learners) 81.    Symbolic differentiation and numerical differencing in MATLAB 82.    Symbolic and numerical integration in MATLAB 83.    MATLAB help and documentation MATLAB files  84.    MATLAB script files 85.    MATLAB function files 86.    MATLAB data files 87.    Local and global variables Loops, conditions flow control and decision making in MATLAB  88.    The for end  loop  89.    The while end loop 90.    The if end condition  91.    The if else end conditions  92.    The switch case end statement  93.    Iterations , converging errors , multi-dimensional sum operators  Input and output display commands  94.    The input(' ') command 95.    disp command 96.    fprintf  command  97.    Message box msgbox Level 2: Signals and Systems Operations (24 hrs) Sessions 07-14  The main objectives of this part are as follows •    Generate random test signals which are necessary to test the performance of different communication systems •    Integrate many elementary signal operations may be integrated to implement a single communication processing function such as encoders, randomizers, interleavers, spreading code generators …etc. at the transmitter as well as their counterparts at the receiving terminal.  •    Interconnect these blocks properly in order to achieve a communications function •    Simulation of deterministic, statistical and semi-random indoor and outdoor narrowband channel models Generation of communications test signals 98.    Generation of a random binary sequence 99.    Generation of a random integer Sequences 100.    Importing and reading text files 101.    Reading and playback of audio files 102.    Importing and exporting images 103.    Image as a 3D matrix 104.    RGB to gray scale transformation 105.    Serial bit stream of a 2D gray scale image 106.    Sub-framing of image signals and reconstruction Signal Conditioning and Manipulation  107.    Amplitude scaling (gain, attenuation, amplitude normalization…etc.) 108.    DC level shifting 109.    Time scaling (time compression, rarefaction) 110.    Time shift (time delay, time advance, left and right circular time shift ) 111.    Measuring the signal energy 112.    Energy and power normalization 113.    Energy and power scaling 114.    Serial-to-parallel and parallel-to-serial conversion 115.    Multiplexing and de-multiplexing Digitization of Analog Signals  116.    Time domain sampling of continuous time baseband signals  in MATLAB 117.    Amplitude  quantization of analog signals 118.    PCM encoding of  quantized analog signals 119.    Decimal-to-binary and binary-to-decimal conversion 120.    Pulse shaping   121.    Calculation of the adequate pulse width 122.    Selection of the number of samples per pulse      123.    Convolution using the conv and filter commands  124.    The autocorrelation and cross-correlation of time limited signals 125.    The Fast Fourier Transform (FFT) and IFFT operations 126.    Viewing a baseband signal spectrum  127.    Effect of sampling rate and the proper frequency window 128.    Relation between the convolution , correlation and the FFT operations 129.    Frequency domain filtering , low pass filtering only Auxiliary Communications Functions 130.    Randomizers and de-randomizers  131.    Puncturers and de-puncturers 132.    Encoders and decoders 133.    Interleavers and de-interleavers   Modulators and demodulators 134.    Digital baseband modulation schemes in MATLAB 135.    Visual representation of digitally modulated signals Channel Modelling and Simulation  136.    Mathematical modeling of the channel effect on the transmitted signal •    Addition – additive white Gaussian noise (AWGN) channels •    Time domain multiplication – slow fading channels , Doppler shift in vehicular channels  •    Frequency domain multiplication – frequency selective fading channels •    Time domain convolution – channel impulse response Examples of deterministic channel models 137.    Free space path loss and environment dependent path loss 138.    Periodic Blockage Channels Statistical Characterization of Common Stationary and Quasi-Stationary Multipath Fading Channels 139.    Generation of a uniformly distributed RV  140.    Generation of a real valued Gaussian distributed RV 141.    Generation of a complex Gaussian distributed RV 142.    Generation of a Rayleigh distributed RV 143.    Generation of a Ricean distributed RV 144.    Generation of a Lognormally distributed RV 145.    Generation of an arbitrary distributed RV 146.    Approximation of  an unknown probability density function (PDF) of an RV by a  histogram 147.    Numerical calculation of the cumulative distribution function (CDF) of an RV 148.    Real and complex additive white Gaussian noise (AWGN) Channels  Channel Characterization by its Power Delay Profile   149.    Channel characterization by its power delay profile  150.    Power normalization of the PDP 151.    Extracting the channel impulse response from the PDP 152.    Sampling the channel impulse response by an arbitrary sampling rate , mismatched sampling  and delay quantization 153.    The problem of mismatched sampling of the channel impulse response of narrow band channels 154.    Sampling a PDP by an arbitrary sampling rate and fractional delay compensation 155.    Implementation of several IEEE standardized indoor and outdoor channel models  156.                (COST – SUI - Ultra Wide Band Channel Models…etc.) Level 3: Link Level Simulation of Practical Comm. Systems (30 hrs) Sessions 15-24 This part of the course is concerned with the most important issue to research students, that is, how to re-produce the simulation results of other published papers by simulation.  Bit Error Rate Performance of Baseband Digital Modulation Schemes 1.    Performance comparison of different baseband digital modulation schemes in AWGN channels (Comprehensive comparative study via simulation to verify theoretical expressions ); scatter plots ,bit error rate 2.    Performance comparison of different baseband digital modulation schemes in different stationary and quasi-stationary  fading channels; scatter plots ,bit error rate(Comprehensive comparative study via simulation to verify theoretical expressions ) 3.    Impact of Doppler shift channels on the performance of baseband digital modulation schemes; scatter plots ,bit error rate  Helicopter-to-Satellite Communications  4.    Paper (1): Low-Cost Real-Time Voice and Data System for Aeronautical Mobile Satellite Service (AMSS) – Problem statement and analysis 5.    Paper (2): Pre-Detection Time Diversity Combining with Accurate AFC for Helicopter Satellite Communications – The first proposed solution 6.    Paper (3): An Adaptive Modulation Scheme for Helicopter-Satellite Communications – A performance improvement approach Simulation of Spread Spectrum Systems 1.    Typical Architecture of spread spectrum based Systems  2.    Direct sequence spread spectrum based Systems 3.    Pseudo random binary sequence (PBRS) generators  •    Generation of Maximal length sequences  •    Generation of gold codes  •    Generation of Walsh codes 4.    Time hopping spread spectrum based Systems 5.    Bit Error Rate Performance of spread spectrum based systems in AWGN channels •    Impact of coding rate r on the BER performance •    Impact of the code length on the BER performance  6.    Bit Error Rate Performance of spread spectrum based Systems in multipath Slow Rayleigh Fading Channels with Zero Doppler Shift 7.    Bit error rate performance analysis of spread spectrum based systems in high mobility fading enviroments  8.    Bit error rate performance analysis of spread spectrum based systems in the presence of multi-user interference  9.    RGB image transmission over spread spectrum systems 10.    Optical CDMA (OCDMA) systems  •    Optical orthogonal codes (OOC)  •    Performance limits of OCDMA systems ;bit error rate performance of synchronous and asynchronous OCDMA systems Ultra wide band SS systems OFDM Based Systems 11.    Implementation of OFDM systems using the Fast Fourier Transform 12.    Typical Architecture of OFDM based Systems  13.    Bit Error Rate Performance of OFDM Systems in AWGN channels •    Impact of coding rate r on the BER performance •    Impact of the cyclic prefix on the BER performance  •    Impact of the FFT size and subcarrier spacing on the BER performance  14.    Bit Error Rate Performance of OFDM Systems in multipath Slow Rayleigh Fading Channels with Zero Doppler Shift 15.    Bit Error Rate Performance of OFDM Systems in multipath Slow Rayleigh Fading Channels with CFO 16.    Channel Estimation in OFDM Systems 17.    Frequency Domain Equalization in OFDM Systems •    Zero Forcing Equalizer •    MMSE Equalizers  18.    Other Common Performance Metrics in OFDM Based Systems (Peak – to – Average Power Ratio, Carrier – to – Interference Ratio…etc.) 19.    Performance analysis of OFDM based systems in high mobility fading enviroments (as a simulation project consisting of three papers) 20.    Paper (1): Inter carrier interference mitigation  21.    Paper (2): MIMO-OFDM Systems Optimization of a MATLAB Simulation Project  The aim of this part is to learn how to build and optimize a MATLAB simulation project in order to simplify and organize the overall simulation process. Moreover, memory space and processing speed are also considered in order to avoid memory overflow problems in limited storage systems or long run times arising from slow processing.  1.    Typical Structure of a small scale simulation projects 2.    Extraction of simulation parameters and theoretical to simulation mapping  3.    Building a Simulation Project 4.    Monte Carlo Simulation Technique 5.    A Typical Procedure for Testing a Simulation Project  6.    Memory Space Management and Simulation Time Reduction Techniques •    Baseband vs. Passband Simulation •    Calculation of the adequate pulse width for truncated arbitrary pulse shapes •    Calculation of the adequate number of samples per symbol  •    Calculation of the Necessary and Sufficient Number of Bits to Test a System GUI programming  Having a MATLAB code free from debugs and working properly to produce correct results is a great achievement. However, a set of key parameters in a simulation project controls the   For this reason and more, an extra lecture on "Graphical User Interface (GUI) Programming" is given in order to bring the control over various parts of your simulation project at your hand tips rather than diving in a long source codes full of commands. Moreover, having your MATLAB code masked with a GUI helps presenting your work in a way that facilitates combining multi results in one master window and makes it easier to compare data.  1.    What is a MATLAB GUI  2.    Structure of MATLAB GUI function file 3.    Main GUI components (important properties and values) 4.    Local and global variables Note: The topics covered in each level of this course include, but not limited to, those stated in each level. Moreover, the items of each particular lecture are subject to change depending on the needs of the learners and their research interests.   
matlabprog Programación de MATLAB 14 horas Este curso de dos días ofrece una introducción completa al entorno de computación técnica de MATLAB®. El curso está dirigido a usuarios principiantes y aquellos que buscan una revisión. No se asume ninguna experiencia previa de programación o conocimiento de MATLAB. Temas de análisis de datos, visualización, modelado y programación se exploran a lo largo del curso. Trabajar con la interfaz de usuario de MATLAB Introducción de comandos y creación de variables Analizar vectores y matrices Trabajo con tipos de datos Automatización de comandos con scripts Escribir programas con lógica y control de flujo Funciones de escritura Visualización de datos vectoriales y de matriz Trabajar con archivos de datos Importación de datos Organización de datos Visualización de datos
matlab2 Fundamentos de MATLAB 21 horas Este curso de tres días proporciona una integración exhaustiva para el MATLAB técnico de la técnica de comparación. El curso está diseñado para los usuarios finales y aquellos que buscan la revisión. En el prior de programación de la experiencia o el conocimiento de MATLAB es. Los temas de análisis de fecha, visualización, modelado y programación se exploran en todo el curso. Los temas incluyen: Working with the MATLAB interfaz de usuario Introducir comandos y crear variables Analice vectores y matrices Visualización vectorial y matriz data Trabajar con archivos de fecha Working with data types Automatización de comandos con secuencias de comandos Los programas de escritura con el control de flujo y de flujo Funciones de escritura Parte 1 Una breve introducción a MATLAB Objetivos: Ofrecer una visión general de lo que MATLAB es, en qué consiste y qué puede hacer por usted Un ejemplo: C vs. MATLAB Descripción del producto MATLAB Campos de aplicación de MATLAB ¿Qué MATLAB puede hacer por usted? El esquema del curso Trabajar con la interfaz de usuario de MATLAB Objetivo: Obtener una introducción a las principales características del entorno de diseño integrado MATLAB y sus interfaces de usuario. Obtenga una visión general de los temas del curso. Interfaz MATALB Lectura de datos desde un archivo Guardar y cargar variables Trazado de datos Personalización de parcelas Cálculo de estadísticas y línea de mejor ajuste Exportación de gráficos para su uso en otras aplicaciones Variables y expresiones Objetivo: Introduzca comandos MATLAB, con énfasis en la creación y acceso a datos en variables. Introducción de comandos Creación de variables Obteniendo ayuda Acceso y modificación de valores en variables Creación de variables de carácter Análisis y Visualización con Vectores Objetivo: Realizar cálculos matemáticos y estadísticos con vectores, y crear visualizaciones básicas. Ver cómo la sintaxis de MATLAB permite cálculos en conjuntos de datos enteros con un solo comando. Cálculos con vectores Trazado de vectores Opciones básicas de trazado Anotar parcelas Análisis y visualización con matrices Objetivo: Utilizar matrices como objetos matemáticos o como colecciones de datos (vectoriales). Comprender el uso apropiado de la sintaxis de MATLAB para distinguir entre estas aplicaciones. Tamaño y dimensionalidad Cálculos con matrices Estadísticas con datos de matriz Trazado de varias columnas Reajuste e indexación lineal Arrays multidimensionales Parte 2 Automatización de comandos con secuencias de comandos Objetivo: Recopilar comandos MATLAB en scripts para facilitar la reproducción y la experimentación. A medida que aumenta la complejidad de sus tareas, entrar secuencias largas de comandos en la ventana de comandos se vuelve poco práctico. Un ejemplo de modelado El historial de comandos Creación de archivos de script Ejecutar secuencias de comandos Comentarios y código Cells Publicación de scripts Trabajar con archivos de datos Objetivo: Traer datos en MATLAB desde archivos formateados. Debido a que los datos importados pueden ser de una amplia variedad de tipos y formatos, se da énfasis al trabajo con matrices de celdas y formatos de fecha. Importación de datos Tipos de datos mixtos Arrays de celdas Conversiones entre numerales, cadenas y celdas Exportación de datos Múltiples gráficos vectoriales Objetivo: Hacer parcelas más complejas de vectores, tales como parcelas múltiples, y utilizar técnicas de manipulación de color y cadena para producir representaciones visuales llamativas de los datos. Estructura gráfica Múltiples figuras, ejes y parcelas Trazado de ecuaciones Usando color Personalización de parcelas Lógica y control de flujo Objetivo: Utilizar operaciones lógicas, variables y técnicas de indexación para crear código flexible que pueda tomar decisiones y adaptarse a diferentes situaciones. Explorar otras construcciones de programación para la repetición de secciones de código y construcciones que permiten la interacción con el usuario. Operaciones lógicas y variables Indización lógica Construcciones de programación Control de flujo Bucles Visualización de Matriz e Imagen Objetivo: Visualizar imágenes y datos de matriz en dos o tres dimensiones. Explorar la diferencia en la visualización de imágenes y la visualización de datos de matriz mediante imágenes. Interpolación dispersa usando datos vectoriales y de matriz Visualización de matriz tridimensional Visualización de matriz bidimensional Imágenes indexadas y colormaps Imágenes de color verdadero Parte 3 Análisis de los datos Objetivo: Realizar tareas típicas de análisis de datos en MATLAB, incluyendo el desarrollo y ajuste de modelos teóricos a datos de la vida real. Esto conduce naturalmente a una de las características más poderosas de MATLAB: resolver sistemas lineales de ecuaciones con un solo comando. Tratar los datos que faltan Correlación Suavizado Análisis espectral y FFTs Resolución de sistemas lineales de ecuaciones Funciones de escritura Objetivo: Incrementar la automatización mediante la encapsulación de tareas modulares como funciones definidas por el usuario. Comprender cómo el MATLAB resuelve referencias a archivos y variables. Por qué funciona? Creación de funciones Añadir comentarios Llamando subfunciones Espacios de trabajo Subfunciones Camino y precedencia Tipos de datos Objetivo: Explorar tipos de datos, centrándose en la sintaxis para crear variables y acceder a elementos de matriz, y discutir métodos para convertir entre tipos de datos. Los tipos de datos difieren en el tipo de datos que pueden contener y la forma en que se organizan los datos. Tipos de datos MATLAB Enteros Estructuras Conversión de tipos E / S de archivo Objetivo: Explorar las funciones de importación y exportación de datos de bajo nivel en MATLAB que permiten un control preciso sobre el texto y la E / S de archivos binarios. Estas funciones incluyen la búsqueda de textos, que proporciona un control preciso de la lectura de archivos de texto. Abrir y cerrar archivos Leer y escribir archivos de texto Lectura y escritura de archivos binarios Tenga en cuenta que la entrega real puede estar sujeta a discrepancias menores del esquema anterior sin notificación previa. Conclusión Tenga en cuenta que la entrega real puede estar sujeta a discrepancias menores del esquema anterior sin notificación previa. Objetivos: Resumir lo que hemos aprendido Un resumen del curso Otros cursos futuros sobre MATLAB Tenga en cuenta que el curso puede estar sujeto a pocas discrepancias menores cuando se entrega sin notificaciones previas.
matlabml1 Introducción al Aprendizaje Automático con MATLAB 21 horas Fundamentos de MATLAB MATLAB Más funciones avanzadas Red neural de BP Redes Neuronales RBF, GRNN y PNN SOM Redes Neuronales Máquina Vector de Soporte, SVM Máquina de aprendizaje extremo, ELM Árboles de decisión y bosques al azar Algoritmo Genético, GA Optimización de Enjambre de Partículas, PSO Algoritmo de Colonia de Hormigas, ACA Simulated Annealing, SA Reducción de la dimenacionalidad y selección de características
bpmatlab Programación Básica de MATLAB 21 horas Un curso de 3 días que le llevará a través de las pantallas principales y ventanas de MATLAB, incluyendo ... cómo usar matlab como caluclator y trazar curvas básicas cómo crear sus propias funciones y scripts personalizados   Día 1 matlab windows constantes variables guardar y cargar datos en matlab vectores en matlab Dia 2 análisis de los datos codificación básica en matlab caja de herramientas de análisis de datos Día 3 trazando curvas guiones funciones en matlab operaciones matriciales y matriciales archivos en matlab
ipmat1 Introducción al Procesamiento de Imágenes Mediante Matlab 28 horas Este curso de cuatro días proporciona fundamentos de procesamiento de imágenes con Matlab. Practicarás cómo cambiar y mejorar las imágenes e incluso extraer patrones de las imágenes. También aprenderá cómo crear filtros 2D y aplicarlos en las imágenes. Ejemplos y ejercicios demuestran el uso de la funcionalidad Matlab y Image Processing Toolbox apropiada durante todo el proceso de análisis. Día 1: Cargando imágenes Tratamiento de componentes RGB de la imagen Guardando las nuevas imágenes Imágenes en escala de grises Imágenes binarias Máscaras Dia 2: Analizar imágenes interactivamente Eliminación de ruido Alineación de imágenes y creación de una escena panorámica Detección de líneas y círculos en una imagen Día 3: Histograma de imagen Creación y aplicación de filtros 2D Segmentación de bordes de objetos Segmentar objetos basados en su color y textura Día 4 Realización de análisis por lotes sobre conjuntos de imágenes Segmentar objetos basados en su forma usando operaciones morfológicas Medición de las propiedades de la forma
smlk Simulink® para el Diseño de Sistemas Automotrices 28 horas Objetivo: Esta capacitación está dirigida a ingenieros de software que trabajan con tecnología MBD. La capacitación abarcará técnicas de modelado para sistemas automotrices, normas automotrices, generación de códigos automáticos y construcción y verificación de mazos de prueba modelo Audiencia: desarrollador de software para proveedor automotriz Fundamentos y fundamentos Usando el entorno MATLAB® Matemáticas esenciales para sistemas de control con MATLAB® Gráficos y visualización Programación con MATLAB® Programación de GUI usando MATLAB® (opcional) Introducción a los sistemas de control y modelado matemático utilizando MATLAB® Teoría de control usando MATLAB® Introducción al modelado de sistemas usando SIMULINK® Internals Simulink® (señales, sistemas, subsistemas, parámetros de simulación, ... etc.) Stateflow para sistemas automotrices (aplicación de controlador de carrocería automotriz) Introducción a MAAB (Mathworks® Automotive Advisory Board) Introducción a AUTOSAR Modelado AUTOSAR SWC utilizando Simulink® Simulink Cajas de herramientas para sistemas automotrices Simulación de cilindro hidráulico Introducción a SimDrivelin (Modelos de embrague, Modelos Gera) (Opcional) Modelado ABS (Opcional) Modelado para generación automática de código Técnicas de verificación de modelos
simulinkadv Simulink® para el Diseño Avanzado de Sistemas Automotrices 14 horas Fundamentos Usando el entorno MATLAB® Matemáticas esenciales para sistemas de control con MATLAB® Gráficos y visualización Programación con MATLAB® Programación de GUI usando MATLAB® (opcional) Introducción a los sistemas de control y modelado matemático utilizando MATLAB® Teoría de control usando MATLAB® Introducción al modelado de sistemas usando SIMULINK® Desarrollo impulsado por modelos en automotriz Desarrollo basado en modelos versus desarrollo sin modelo Arnés de prueba para pruebas del sistema de software automotriz Modelo en el lazo, software en el lazo, hardware en el lazo Herramientas para desarrollo y pruebas basadas en modelos en automoción Ejemplo de la herramienta Matelo Ejemplo de herramienta Reactis Simulink / Stateflow Models Verifiers y ejemplo de la herramienta SystemTest Internals Simulink® (señales, sistemas, subsistemas, parámetros de simulación, ... etc) -Ejemplos Subsistemas condicionalmente ejecutados Subsistemas habilitados Subsistemas activados Modelo de validación de entrada Stateflow para sistemas automotrices (aplicación de controlador de cuerpo automotriz): ejemplos Creando y Simulando un Modelo Cree un modelo Simulink simple, simúlelo y analice los resultados. Definir el sistema de potenciómetro Explore la interfaz del entorno Simulink Crear un modelo Simulink del sistema de potenciómetro Simular el modelo y analizar los resultados Modelado de Construcciones de Programación Objetivo: Modelar y simular construcciones de programación básica en Simulink Comparaciones y declaraciones de decisión Cero cruces Bloque de funciones MATLAB Modelado de Sistemas Discretos Objetivo: Modele y simule sistemas discretos en Simulink. Definir estados discretos Crear un modelo de un controlador PI Modelar funciones de transferencia discretas y sistemas espaciales de estado Modelo de sistemas discretos multirate Modelado de sistemas continuos: Modelar y simular sistemas continuos en Simulink. Crea un modelo de un sistema de acelerador Definir estados continuos Ejecuta simulaciones y analiza resultados Modelo de dinámica de impacto Selección del solucionador: seleccione un solucionador apropiado para un modelo de Simulink dado. Comportamiento de solucion Sistemas dinámicos Discontinuidades Bucles algebraicos Introducción a MAAB (Consejo asesor automotriz de Mathworks®): ejemplos Introducción a AUTOSAR Modelado AUTOSAR SWC utilizando Simulink® Simulink Cajas de herramientas para sistemas automotrices Simulación de cilindros hidráulicos-Ejemplos Introducción a SimDrivelin (modelos de embrague, modelos de Gera) (opcional): ejemplos Modelado de ABS (opcional): ejemplos Modelado para la generación automática de código: ejemplos Técnicas de verificación de modelos: ejemplos Modelo de motor (modelo Practical Simulink) Sistema de frenos antibloqueo (modelo Practical Simulink) Modelo de compromiso (Modelo Practical Simulink) Sistema de suspensión (Modelo Practical Simulink) Sistemas hidráulicos (Modelo Practical Simulink) Modelos de sistema avanzados en Simulink con mejoras de Stateflow Sistema de control de combustible tolerante a fallas (Modelo Practical Simulink)  Control de transmisión automático (modelo Practical Simulink) Servocontrol electrohidráulico (modelo Practical Simulink) Modelado de fricción antideslizante (modelo Simulink práctico)  
matlabdl Matlab for Deep Learning 14 horas In this instructor-led, live training, participants will learn how to use Matlab to design, build, and visualize a convolutional neural network for image recognition. By the end of this training, participants will be able to: Build a deep learning model Automate data labeling Work with models from Caffe and TensorFlow-Keras Train data using multiple GPUs, the cloud, or clusters Audience Developers Engineers Domain experts Format of the course Part lecture, part discussion, exercises and heavy hands-on practice To request a customized course outline for this training, please contact us.
matlabprescriptive Matlab for Prescriptive Analytics 14 horas Prescriptive analytics is a branch of business analytics, together with descriptive and predictive analytics. It uses predictive models to suggest actions to take for optimal outcomes, relying on optimization and rules-based techniques as a basis for decision making. In this instructor-led, live training, participants will learn how to use Matlab to carry out prescriptive analytics on a set of sample data. By the end of this training, participants will be able to: Understand the key concepts and frameworks used in prescriptive analytics Use MATLAB and its toolboxes to acquire, clean and explore data Use rules-based techniques including inference engines, scorecards, and decision trees to make decisions based on different business scenarios Use Monte Carlo simulation to analyze uncertainties and ensure sound decision making Deploy predictive and prescriptive models to enterprise systems Audience Business analysts Operations planners Functional managers BI (Business Intelligence) team members Format of the course Part lecture, part discussion, exercises and heavy hands-on practice To request a customized course outline for this training, please contact us.
matlabpredanalytics Matlab for Predictive Analytics 21 horas Predictive analytics is the process of using data analytics to make predictions about the future. This process uses data along with data mining, statistics, and machine learning techniques to create a predictive model for forecasting future events. In this instructor-led, live training, participants will learn how to use Matlab to build predictive models and apply them to large sample data sets to predict future events based on the data. By the end of this training, participants will be able to: Create predictive models to analyze patterns in historical and transactional data Use predictive modeling to identify risks and opportunities Build mathematical models that capture important trends Use data to from devices and business systems to reduce waste, save time, or cut costs Audience Developers Engineers Domain experts Format of the course Part lecture, part discussion, exercises and heavy hands-on practice Introduction     Predictive analytics in finance, healthcare, pharmaceuticals, automotive, aerospace, and manufacturing Overview of Big Data concepts Capturing data from disparate sources What are data-driven predictive models? Overview of statistical and machine learning techniques Case study: predictive maintenance and resource planning Applying algorithms to large data sets with Hadoop and Spark Predictive Analytics Workflow Accessing and exploring data Preprocessing the data Developing a predictive model Training, testing and validating a data set Applying different machine learning approaches ( time-series regression, linear regression, etc.) Integrating the model into existing web applications, mobile devices, embedded systems, etc. Matlab and Simulink integration with embedded systems and enterprise IT workflows Creating portable C and C++ code from MATLAB code Deploying predictive applications to large-scale production systems, clusters, and clouds Acting on the results of your analysis Next steps: Automatically responding to findings using Prescriptive Analytics Closing remarks
octnp Octave no solo para programadores 21 horas El curso está dedicado a aquellos que deseen conocer un programa alternativo al paquete comercial de MATLAB. La capacitación de tres días proporciona información completa sobre cómo moverse por el entorno y cómo realizar el paquete OCTAVE para el análisis de datos y cálculos de ingeniería. Los destinatarios de la capacitación son principiantes, pero también aquellos que conocen el programa y desean sistematizar su conocimiento y mejorar sus habilidades. No se requiere conocimiento de otros lenguajes de programación, pero facilitará en gran medida la adquisición de conocimiento por parte de los estudiantes. El curso le mostrará cómo usar el programa en muchos ejemplos prácticos. Introducción Cálculos simples Iniciando Octave, Octave como calculadora, funciones incorporadas El ambiente de Octave Variables, números y formatos nombrados, representación de números y precisión, carga y guardado de datos Arrays y vectores Extrayendo elementos de un vector, vector de matemáticas Trazado de gráficos Mejorando la presentación, múltiples gráficos y figuras, guardando e imprimiendo figuras Programación Octave I: Archivos de script Crear y editar un script, ejecutar y depurar scripts Declaraciones de control Si no, cambia, por, mientras   Octava programación II: Funciones Matrices y vectores Matriz, el operador de transposición, funciones de creación de matrices, compilación de matrices compuestas, matrices como tablas, extracción de bits de matrices, funciones de matriz básica Ecuaciones lineales y no lineales Más gráficos Poner varios gráficos en una ventana, trazados 3D, cambiar el punto de vista, trazar superficies, imágenes y películas, Eigenvectors y la descomposición del valor singular Números complejos Trazar números complejos,   Estadísticas y procesamiento de datos   Desarrollo de GUI

Próximos Cursos

CursoFechaPrecio del Curso [A distancia / Presencial]
Introduction to Machine Learning with MATLAB - Madrid, Chamartín business areaMar, 2018-01-09 09:303870EUR / 5120EUR
Basic MATLAB Programming - A CoruñaMié, 2018-01-10 09:303810EUR / 4460EUR

Other regions

Cursos de Fin de Semana de MATLAB, Capacitación por la Tarde de MATLAB, MATLAB boot camp, Clases de MATLAB , Cursos por la Tarde de MATLAB, Talleres para empresas de MATLAB, MATLAB con instructor, Instructor de MATLAB, Cursos Privados de MATLAB, Cursos en linea de MATLAB, Clases de MATLAB , Capacitador de MATLAB,Capacitación de Fin de Semana de MATLAB, Cursos de Formación de MATLAB, Clases Particulares de MATLAB, Programas de capacitación de MATLAB, Capacitación empresarial de MATLAB, MATLAB en sitio

Promociones

Descuentos en los Cursos

Respetamos la privacidad de su dirección de correo electrónico. No vamos a pasar o vender su dirección a otros.
Siempre puede cambiar sus preferencias o anular la suscripción por completo.

Algunos de nuestros clientes