人工智能是下一件大事，但我们为什么需要人工智能？这个关于人工智能的视频会向你简要介绍人工智能以及人工智能如何改变世界。

使用MATLAB®R2020b，您可以使用深度学习工具箱™模块库以及MATLAB函数块，用Simulink®中经过训练的深度学习模型进行模拟并生成代码。了解如何使用控制、信号处理和传感器融合组件在Simulink中模拟深度学习网络，以评估深度学习模型对系统级性能的影响。了解更多关于在Simulink中使用NVIDIA® GPU来加速深度学习网络模型的执行。

数据正在改变我们的工作方式，重塑商业模式。数据与设计主管安吉丽•奥吉罗(Angelique Augereau)和设计主管布鲁斯•金史(Bruce King-Shey)讨论了摩根大通的财务服务部门是如何利用数据来指导我们如何设计和向客户交付新产品的。

GPU Coder™用MATLAB®代码和Simulink®模型生成优化的CUDA®代码。生成的代码包括用于深度学习、嵌入式视觉和信号处理算法的可并行部分的CUDA内核。为了提高性能，生成的代码调用优化的NVIDIA® CUDA库，包括TensorRT™，cuDNN, cuFFT, cuSolver和cuBLAS。您可以将代码作为源代码、静态库或动态库集成到项目中。您还可以编译嵌入在NVIDIA Jetson®、NVIDIA DRIVE®和其他平台上的桌面、服务器和GPU的代码。

通过一个示例开始使用Simulink®。这个视频向你展示了使用Simulink的基本知识。您将学习如何为太阳能电池板建模、模拟和测试控制器，让它在一天中跟踪太阳的运动。您将看到如何为一个物理系统建模，为该系统设计一个基本的PI控制器，然后运行模拟以确保模型正常工作。在看完这个示例之后，您将了解到Simulink只是基于模型的设计的一部分，用于建模、模拟、测试和执行现实世界的系统。

观看MATLAB系列技术讲座，探索关键的深度学习概念。学习什么时候使用深度学习，发现哪种方法适合您的具体应用，并探索您可能会遇到的一些挑战。在本视频中探索深度学习基础知识。您将了解深度学习为何如此流行的原因，并逐步了解3个基本概念：深度学习是什么，它在现实世界中的使用方式以及入门方法。

在本视频中探索卷积神经网络（也称为CNN或ConvNets）的基础。您将学习3个概念：本地接受域，共享权重和偏见以及激活和合并。您还将学习3种训练CNN的方法。

“人工智能和机器学习是一种不会过时的新工具，它将帮助工程师更好地完成他们的工作。”机械工程系主任艾伦·罗宾逊和其他几位教员解释了人工智能和机器学习如何影响他们的研究和他们教授的本科和研究生课程。