如网络研讨会“采矿业的机器学习”中所述范例1： 目标是建立一个可以检测钢板缺陷的模型制造业。 这个演示显示： a) 机器学习技术（神经网络、朴素贝叶斯、Tree Bagger）、特征选择、 b) 并行计算c) MATLAB 编译器和生成器 Ex d) 电子表格链接示例 2： 该演示展示了如何使用机器学习来提高建模和预测铁矿石加工厂杂质输出的准确性。 随时间测量了工厂中的许多变量，包括工厂输出处的二氧化硅（SiO2）和氧化镁（MgO）浓度。 建模的目标是确定需要调整工厂中的哪些参数以将二氧化硅和氧化镁浓度保持在所需水平。 该演示使用了在铁矿石加工厂中捕获的 1 年真实数据。
这个演示显示： a) 准备时间序列数据进行分析b) 插入缺失数据c) 使用表格对多个数据集进行时间对齐和连接d) 使用决策树和神经网络改进使用多元线性回归计算的模型e) 使用顺序特征选择来识别工厂中的重要参数
