הזמנה לכנס בנושא:

Data Analytics באמצעות MATLAB

כמנוע לחדשנות טכנולוגית

5.4.16 מלון דניאל, הרצליה  |  6.4.16 מלון ליאונרדו, חיפה

הנכם מוזמנים לכנס טכני רב מסלולי, ללא עלות, למהנדסים ו-Data Scientists, בו תוכלו ללמוד כיצד להתמודד עם אתגרי המחר בתחום ה-Data Analytics בסביבת MATLAB

מהנדסים, "טכנולוגים", ומדענים בתחומי יישום שונים משתמשים ב-MATLAB לבניית מערכות ולניתוח, עיבוד והסקת מסקנות מיטבית בסביבה מרובת נתונים. מערכות אלו נפרשות במגוון רחב של יישומים, החל מחיזוי של תקלות וטלמטיקה (השילוב שבין תורת המידע וטלקומוניקציה), דרך ניתוח מידע מחיישנים וכלה במערכות סיוע מתקדמות לנהגים.

ל-MATLAB יכולות מתקדמות וייחודיות אשר נותנות מענה בתחומים הבאים:

רכישת מידע מהעולם הפיסי ל-MATLAB  תמיכה מובנית ברכישת מידע מחיישנים, תמונות, וידאו, טלמטריה, בינארי ופורמטים אחרים של זמן-אמת. בעזרת יכולות כמו MapReduce ו-DataStore, ניתן להתממשק לסביבת Hadoop ולמאגרי מידע מבוססי ODBC/JDBC.

לימוד מכונה, רשתות נוירונים, סטטיסטיקה ועוד – ב-MATLAB מגוון רחב של פונקציות קיימות ללימוד מכונה וניתוח סטטיסטי, ושיטות מתקדמות כגון אופטימיזציה לא-ליניארית ושיערוך מערכות. אלפי האלגוריתמים השונים המובנים בתוכנה, מוכנים לשימוש ליישומי עיבוד וידאו ותמונה, מודלים פיננסיים, מערכות בקרה ועוד.

עיבוד מהיר של מאגרי מידע גדולים – ל-MATLAB יכולות חישוב נומריות מתקדמות אשר ניתן לממשן בפשטות גם בסביבת Clusters וענן. בכמויות מידע גדולות – אשר לא ניתן לטעון למחשב בודד – ניתן להגדיר את כל פעולות החישוב הדרושות בסביבת MATLAB, ובעזרת קישוריות פשוטה לבצע אותן קרוב למיקום המידע.

הטמעה ברשת ובזמן-אמת – ניתן לשלב את MATLAB בכל מערכת עסקית, Cluster וענן ובקלות לאפשר מעבר מהיר לחומרת Embedded, מבוססת DSP או FPGA.

בכנס זה נציג תהליך עבודה שלם עבור ניתוח נתונים בסביבת Big Data וקבלת החלטות בעזרות שיטות מובנות כמו Machine Learning ו-Deep Learning. נציג את המגמות בעולם ניתוח ועיבוד המידע, ובעזרת דוגמאות מלוות נלמד כיצד שימוש ב-MATLAB מספק מענה מקיף וחדשני לעולם זה. כמו כן, נראה כיצד באות לידי ביטוי היכולות של MATLAB לעיבוד מידע המגיע מחיישנים, וידאו או מאגרי מידע, וכיצד ניתן להטמיע את מערכת קבלת ההחלטות בצורה אוטומטית.

הכנס יחולק ל-3 מסלולים מרכזיים:

יישומי DATA Analytics באמצעות MATLAB – בו נתעמק ביישומים מרכזיים בעולם ה-DATA Analytics.
MATLAB ו-DATA Analytics בשירות התעשייה – שבו יוצגו פתרונות ייחודיים לתעשיות השונות.
MATLAB למתחילים – בו יוכלו אלו אשר אינם משתמשים ב-MATLAB ללמוד על סביבה זו

עם הידע שתרכשו ביום העיון תוכלו לשוב למשרד ולהתחיל לעבוד בצורה יעילה ואיכותית יותר.
כמו כן, תרכשו רקע רחב יותר בכלים אשר הפכו לסטנדרט בתעשייה ויוכלו לשרת אתכם בעבודתכם היומיומית.

קהל יעד:

  • כל משתמשי MATLAB המעוניינים להיחשף או להרחיב את הידע שלהם בעולם ה-Data Analytics
  • מפתחים , מהנדסים ו Data Scientistsבתחום עיבוד וניתוח מידע בתעשייה הרפואית, הביטחונית, הפיננסית, המסחר המקוון והקמעונאי, ובתעשיית האנרגיה
  • אנשי פיתוח ותוכנה מתעשיית ה- Internet & Software
  • אנליסטים מתחום ה-Online Marketing
  • חוקרים באקדמיה
  • כלל העוסקים בתחום ה-Machine Learning וה-Deep Learning
  • מייקרים בתחום ה-IoT
  • תומכים ומטמיעי שירותים בסביבת ענן

[ סדר יום ]

הערה:
ההשתתפות הינה ללא תשלום, אך מחייבת הרשמה מראש.

08:30 התכנסות, רישום וכיבוד קל
9:00 מגמות עולמיות בתחום ה-Data Analytics
סוניה פיסרב, סיסטמטיקס
9:30 Solutions for Data Analytics using MATLAB
Rainer Muemmler, MathWorks
10:30 סיפור משתמש
10:45 הפסקת קפה
11:05 Deep Learning for Computer Vision
רועי פן, מומחה לתחום עיבוד התמונה, סיסטמטיקס
11:50 Machine Learning using MATLAB
Rainer Muemmler, MathWorks
12:30 ארוחת צהריים
13:15-16:00 חלוקה ל-3 מסלולים מקצועיים מקבילים:
מסלול 1:
יישומי Data Analytics
באמצעות MATLAB
מסלול 2:
MATLAB ו- Data analytics
בשירות התעשייה

מסלול 3:
MATLAB למתחילים
 
13:15 MATLAB and IoT
Rainer Muemmler
MathWorks
Engineering DATA
Analytics for Defense

רועי פן, סיסטמטיקס
*Developing Financial
Applications using MATLAB

יאיר אלטמן,
Undocumented MATLAB
14:15 Big Data Solutions DATA Analytics
for Healthcare

רוני פאר, סיסטמטיקס
MATLAB למשתמשים
חדשים ומתחילים – 
חלק 1
אביאסף מוזס, סיסטמטיקס
15:15 Sensor Analytics
רוני פאר, סיסטמטיקס
Developing predictive models
For recommendation
Retail and Energy production
Rainer Muemmler
MathWorks
MATLAB למשתמשים
חדשים ומתחילים – חלק 2

אביאסף מוזס, סיסטמטיקס
*ההרצאה תתקיים רק ב- 5.4 במלון דניאל, ב-6.4 ההרצאות יהיו ברצף ללא הרצאה זו

[ פירוט הרצאות ומסלולים ]

יצירת קשר

מחלקת שיווק
חברת סיסטמטיקס
טלפון:  03-7660111
לחץ לבקשת יצירת קשר במייל

נשמח לראותך בכנס.

הרצאות מליאה

מגמות בתחום ה-DATA Analytics - סוניה פיסרב, סיסטמטיקס

בהרצאת זו נסקור בקצרה את עולם ה- Data analytics – מה זה, מהם הטרנדים הקיימים בנושא ועם אילו אתגרים מתמודדים העוסקים בנושא זה בתעשיות השונות.
נדבר על MATLA ומדוע זוהי סביבת הפיתוח הנכונה ביותר עבור עולם הData analytics- ונציג מס' דוגמאות מעולמות שונים בהם ה- Matlab השתלב בתהליכי המחקר והפיתוח של יישומים מתקדמים.

DATA Analytics using MATLAB - Rainer Muemmler, MathWorks

Engineering and IT teams are using MATLAB to build today’s advanced Big Data Analytics systems ranging from predictive maintenance and telematics to advanced driver assistance systems and sensor analytics.
Teams select MATLAB because it offers essential capabilities not found in business intelligence systems or open source languages.
In this presentation we will show Data Analytics workflow from accessing Data from various sources and sizes, visualization and preprocessing the data, developing analysis algorithms (Machine learning, neural networks, statistics, …) to sharing your application (Reports, Web, or Enterprise solutions)
Physical-world data: MATLAB has native support for sensor, image, video, telemetry, binary, and other real-time formats. Explore this data using MATLAB’s MapReduce functionality for Hadoop, and by connecting interfaces to ODBC/JDBC databases.
Machine learning, neural networks, statistics, and beyond: MATLAB offers a full set of statistics and machine learning functionality, plus advanced methods such as nonlinear optimization, system identification, and thousands of prebuilt algorithms for image and video processing, financial modeling, control system design.
High speed processing of large data sets. MATLAB’s numeric routines scale directly to parallel processing on clusters and cloud.)

In this presentation we will see the full workflow of using MATLAB tools, starting from the access to data, through algorithm development, and ending with deployment of the application.
The vast amounts of data available today have made it possible to create highly accurate forecast models. The challenge lies in developing data analytics workflows that can turn this raw data into actionable insights. A typical workflow involves four steps, each of which brings its own challenges:
1. Importing data from disparate sources, such as web archives, databases, and spreadsheets
2. Cleaning the data by removing outliers, and noise, and combining data sets
3. Developing an accurate predictive model based on the aggregated data using machine learning techniques
4. Deploying the model as an application in a production environment
In this presentation, we will use MATLAB to complete the entire data analytics workflow for a load forecasting application.

Deep Learning for Computer Vision - רועי פן, מומחה לעיבוד תמונה וראיה ממוחשבת, סיסטמטיקס

בהרצאה זו נסקור את העקרונות של למידה עמוקה (Deep Learning) ואת השימוש בה לצורך פתרון של בעיות בראיה ממוחשבת. באמצעות מספר דוגמאות, נראה כיצד ניתן לבצע Object Detection ו- Object Recognition באמצעות Convolutional Neural Networks.
הנושאים שיודגמו:
– גישה וניהול של מאגרי תמונות גדולים
– שימוש ברשתות שאומנו בעבר לצורך חילוץ תכונות (Feature Extraction)
– שימוש בטכניקות של ראייה ממוחשבת לצורך תגבור היכולות של Deep Learning.
– האצת תהליכי הלימוד באמצעות GPU ויכולות עיבוד מקביליות.
כחלק מההרצאה, נראה שימוש בסביבת MATLAB וכן במספר כלים ללמידה עמוקה.

Machine Learning using MATLAB - Rainer Muemmler, MathWorks

Machine learning algorithms use computational methods to “learn” information directly from data without assuming a predetermined equation as a model. They can adaptively improve their performance as you increase the number of samples available for learning.
Machine learning algorithms are used in applications such as computational finance (credit scoring and algorithmic trading), image processing and computer vision (face recognition, object detection, object recognition), computational biology (tumor detection, drug discovery, and DNA sequencing), energy production (price and load forecasting), natural language processing, speech and image recognition, and advertising and recommendation systems.
Machine learning is an integral part of data analytics, which deals with developing data-driven insights for better designs and decisions.
In this session, you will learn how to build, test and implement machine learning algorithms using MATLAB. We will show how to use built-in tools, such as the Classification Learner App to facilitate the quick and simple testing of models, and how to ultimately deploy them to the final system.
In this session we will also show some new and key features in R2016a such as the Live Editor and the GUI development using the AppDesigner.

 מסלול 1 – יישומי Data Analytics באמצעות MATLAB

במסלול הראשון, נתעמק ביישומים מרכזיים בעולם הData Analytics. בין היתר נראה כיצד MATLAB מספקת פתרונות מובנים לעולם ה-IoT, ונדגים את סביבת ThingSpeak; יוצגו פתרונות העיבוד לתחום ה-Big Data וכיצד ניתן ליישם את האפליקציות לעיבוד מידע גדול; ולבסוף נראה כיצד ניתן להשתמש במידע המגיע מחיישנים בכדי ללמוד ולפתח מערכות חדשות.

MATLAB and IoT - Rainer Muemmler, MathWorks

The term Internet of Things is increasingly used to describe the interconnectedness of embedded devices and the Internet. These devices can communicate with each other and often collect sensor data, which is stored in the cloud. This data is then processed and analyzed in order to draw valuable information.

IoT solutions are created for various applications such as monitoring environmental data, health monitoring, control of household appliances, or projects in the maker movement.

This session describes how MATLAB supports both the development of IoT systems and the collection and analysis of IoT sensor data, using the ThingSpeak system.

שימוש ב-MATLAB בעולם ה-Big Data

Big Data הוא מונח המתייחס למאגר מידע הכולל נתונים מבוזרים, שאינם מאורגנים לפי שיטה כלשהי. נתונים אלו מגיעים ממקורות מידע רבים, בכמויות גדולות, בפורמטים מגוונים ובאיכויות שונות. בשנים האחרונות כמות המידע הדיגיטלי שנוצר ונשמר הולכת וגדלה, ולמעשה גדלה בקצב אקספוננציאלי, עם כניסת המכשירים החכמים ויצירה של מידע נוסף.

בהרצאה זו נציג את הפתרונות הקיימים בסביבת MATLAB לצורך עבודה וניתוח מידע מסוג זה:
גישה למידע וטעינה לזיכרון. שימוש בפעולות והרצה על גבי מחשבים מבוססי 64-ביט, המאפשר גישה וטעינה של מערכים ונתונים בגודל של 500GB או עד 4TB לשרתים (בסביבת חלונות); השימוש בפונקציה memmapfile מגדיר מצביע לקובץ גדול, ואז במקום לטעון את כל הקובץ לזיכרון, ניתן לגשת למידע ישירות מבלי לטעון אותו; הפונקציה datastore מאפשרת להגדיר מצביע דומה לפונקציה memmapfile, אך מרחיבה את השימוש בו גם למאגרי מידע חיצוניים (database), מאפשרת להגדיר את הפורמט למידע הנקרא, ולקרוא את המידע בצורה של גושי מידע (Chunk); ויכולות להרצה מקבילית והאצה של זמני חישוב.

שימוש באלמנטים מובנים בשפת התוכנה MATLAB. שפת MATLAB היא שפת תוכנה מהדור ה-4, וקיימות בה יכולות המאפשרות פעולות המותאמות ישירות למאגרי מידע גדולים. בעזרת System Objects, המבוססים על גישת Object Oriented Programming, ניתן לבצע חישובי Streaming על מידע גדול, כלומר פעולות שמבוצעות בצורה טורית וצורכות פחות זיכרון ומשאבים. לצורכי עיבוד תמונות גדולות ווידאו ניתן להשתמש ביכולות ה-blockproc, ולבצע פעולות בצורה של תתי תמונה בכל פעם – וכמובן שניתן גם למקבל את הפעולות הללו ע"י שימוש ב-GPU או במחשוב מקבילי. היכולת של MapReduce מאפשרת לגשת למידע מאד גדול הנמצא במאגר נתונים, על גבי דיסק קשיח ברשת, או ישירות במערכת המכילה את ה-Big Data, כמו בסביבת Hadoop.

תמיכה בתשתית ופלטפורמות. את MATLAB ניתן לחבר ולהפעיל על גבי מחשב מקומי הכולל בתוכו רכיבים מקביליים, כמו מעבד עם מספר ליבות או מחשב הכולל בתוכו רכיב GPU. בצורה זהה ניתן להפעיל את MATLAB על גבי צבירים (Clusters), מחשוב ענן (כדוגמת EC2 של Amazon) וממשק לסביבת Hadoop (עם תמיכה מלאה ב-HDFS), המשמש כמערכת מרכזית לאגירת נתונים.

עיבוד וניתוח מידע מחיישנים – Sensor Analytics - רוני פאר, מנהל הפעילות הטכנית של MathWorks בישראל, סיסטמטיקס.

חיישני תאוצה, טמפרטורה, שדות מגנטיים, ועוד – מצויים כיום בכל מכשיר סלולרי, והגישה אליהם פשוטה מאד ונוחה לכל משתמש. בכדי לעשות בהם שימוש נבון, יש להשתמש בשילוב של טכניקות לעיבוד אות ו-Machine Learning. בסביבת MATLAB ניתן לרכוש את הנתונים, לסנן אותם, ללמוד ולמדל את התנהגות המערכת, ולבסוף להטמיע בתוך הרכיב הסופי, לשימוש ע"י משתמש הקצה.
בהרצאה זו נדגים כיצד ניתן לעשות שימוש באלגוריתמים ללימוד מכונה בכדי לסווג את הפעילות שמבצע המשתמש במכשיר הסלולרי, בהסתמך על מדידות חיישני התאוצה. נעשה שימוש במספר אלגוריתמים מסווגים, כגון עצי החלטה, SVM ורשתות נוירונים.

ולסיום, נראה כיצד ניתן להשתמש ביכולות לייצור קוד אוטומטי על מנת לבצע הטמעה של מודל השיערוך שנכתב ב-MATLAB ישירות לרכיבי חומרה – כדוגמת Arduino או כל רכיב Embedded אחר.

 מסלול 2 – MATLAB וData analytics  בשירות התעשייה

במסלול השני, ירוכזו האתגרים המאפיינים את התעשיות השונות והפתרונות הייחודיים אשר מציעה MATLAB בענפים השונים. יוצגו תהליכי פיתוח ודוגמאות המראים כיצד עושים שימוש הלכה למעשה ב-MATLAB לפיתוח יישומים עבור התעשייה הביטחונית. כיצד רוכשים מידע ממכשירים ומערכות רפואיות ועושים בהן שימוש לצורך סיוע לחולים ויצירת תרופות חדשות, בתעשייה הרפואית. כיצד ניתן ליצור מודלים לחיזוי צריכה עתידית של שווקים קיימים ומתפתחים בתעשיית המסחר המקוון והקמעונאי וכנגזרת להמליץ ללקוחות על מבצעים או רכישות נוספות המותאמות להם. בתעשייה הפיננסית נציג יישום אמיתי המבצע ניתוח של מידע המתקבל ממערכת מסחר וממליץ על קניה או מכירה של מניות בזמן-אמת בהתאם למידע ההיסטורי.

Engineering DATA Analytics for Defense and Industrial Automation - רועי פן, מהנדס יישומים, מומחה בתחום Data Analytics, סיסטמטיקס.

חברות המפתחות ציוד תעופתי ותעשייתי לרוב שומרות כמויות אדירות של נתונים לגבי אופן פעולת המכשירים והמכונות, מתוך כוונה שבעתיד ניתן יהיה להפיק ממנו מידע חשוב. עם זאת, לצורך בניה של מודלים רובוסטיים ומדויקים לחיזוי הפעילות, נדרש שילוב נדיר של ניסיון מקצועי ויכולות לעיבוד סטטיסטי.

בהרצאה זו נציג טכניקות ללימוד מכונה בסביבת MATLAB המאפשרות לחזות את משך החיים הנותר של הציוד. בעזרת נתונים המגיעים ממדידות אמיתות, נחקור את תהליכי ייבוא המידע, עיבוד ראשוני שלו, וסיווג שלו. נראה כיצד בוחרים את ה-features וכיצד משווים בין מספר מודלים של לימוד מכונה. נציג כיצד ניתן לעשות שימוש ב-MATLAB לצורך בניית אלגוריתמים לחיזוי (פרוגנוסטיקה) וכיצד מעבירים אותם לעולם ה-production.

בתהליכים שיוצגו בהרצאה זו, חברות יוכלו לשפר את אמינות הציוד שלהם, ולפתח מודלים ושירותים מתקדמים יותר מהקיים היום.

DATA Analytics for Healthcare - רוני פאר, מנהל הפעילות הטכנית של MathWorks בישראל, סיסטמטיקס.

בין אם מדובר במכשיר רפואי שעבר אישור FDA, ובין אם מדובר בגאדג'ט לצרכן – אנו מוקפים בחיישנים שקולטים ומזרימים נתונים רפואיים מכל תחומי חיינו – מדי דופק, לחץ דם, קצב נשימה, ריכוז חמצן בדם, EKG, MRI, צילומים רפואיים ועוד. מידע זה, בשילוב עם נתונים אחרים, כמו מה הפעילות שאנו עושים, היכן אנו נמצאים, מהם התנאים החיצוניים שבהם אנו פועלים ועוד – יכולים ללמד אותנו רבות על אורח חיינו, זיהוי תבניות חבויות, השוואה לאנשים אחרים, ובסופו של דבר – להזהיר אותנו מפני מצבים רפואיים בעיתיים. הבעיה המרכזית היא כיצד לנתח את כל המידע העצום הזה, ומתוכו להוציא את התובנות המשמעותיות.

בהרצאה זו נראה כיצד ניתן לעשות שימוש ב-MATLAB לצורך תהליך העבודה של DATA Analytics באספקט הרפואי, החל משלבי רכישת המידע והחקר הראשוני שלו, עבוד באלגוריתמים ללימוד מכונה וכלה בהטמעה של היישום שנכתב במערכת הסופית, בין אם מדובר במחשב מקומי ובין אם כשירות בענן, הזמין למגוון משתמשים.
במהלך הרצאה זו נציג 2 דוגמאות מרכזיות:
1. לימוד מכונה מתוך מידע מתהליך EMG. נראה כיצד טוענים את המידע, מבוצע תהליך של סיווג ולבסוף מפותח יישום ומוטמע על גבי מחשב/יישום Web/ענן.
2. שימוש ב-Computer Vision לזיהוי אובייקטים ועקיבה. נציג את תהליך עיבוד התמונה בסביבת MATLAB, כיצד בונים אלגוריתמים לצורך זיהוי ועקיבה, וטכניקות ליישום תהליכים של לימוד מכונה על גבי תמונות וסרטוני וידאו.

Developing Predictive Models - Rainer Muemmler, MathWorks

See how new insights and methods to deal with growing amounts of (live) field data from industrial machinery, Retail or energy allow more optimal, cost effective, and reliable operation or prediction of future usage.

 מסלול 3 – MATLAB למתחילים

במסלול השלישי, יוכלו אלו אשר עוסקים כיום ב-Data Analytics ואינם משתמשים ב- MATLAB ללמוד כיצד סביבה זו עשויה לסייע להם להאיץ את תהליכי הפיתוח והחדשנות בחברתם ולהוסיף מיומנות חשובה לסל הכלים העומד לרשותם. במסלול זה נדגים צעד אחר צעד את אופן השימוש ב-MATLAB, מבנה השפה, חלוקה לפונקציות ומקטעי קוד, מעקב וניתוח שגיאות, שימוש בתכנון מבוסס אובייקטים, תצוגה וויזואליזציה של המידע, וכן יכולות נוספות שיאפשרו לכם להתחיל את השימוש בשפה זו.

Developing Financial Applications using MATLAB - יאיר אלטמן, Undocumented MATLAB

תוכנת Pair-Trading פותחה עבור קרן גידור אמריקאית במטרה לסרוק ולסנן זוגות של מניות מתואמות-מחיר, להריץ עליהן אלגוריתמי מסחר מוגדרי-משתמש (אנליזות backtesting), ולהעביר את הזוגות/אלגוריתמים המבטיחים למסחר אוטומטי.

כמויות עצומות של מידע היסטורי נסרקות בצורה יעילה, ומחוברות למידע המגיע בזמן אמת ממגוון מערכות מסחר (IQFeed, Interactive Brokers, Finviz), כל זאת באמצעות ממשק משתמש אינטראקטיבי (GUI).

בהרצאה יודגם איך ניתן לפתח אפליקציה פיננסית מקצועית בזמן קצר באמצעות MATLAB, תוך שמירה על רמת גימור ומהירות ריצה גבוהות. נדון במספר טיפים לשיפור ביצועי ריצה, שיפור האמינות, ושיפור רמת הגימור של הממשק, כפי שבאו לידי ביטוי בפרויקט זה. נציג כי בנושאים אלו באפליקציות MATLAB לא צריכים להתפשר, ושהשילוב עם מהירות ונוחות הפיתוח ב-MATLAB מאוד אטרקטיבי.

יאיר אלטמן מוכר כבר מעל עשור שנים בקהיליית MATLAB כמומחה עולמי בתכנות MATLAB. יאיר ידוע כמחברם של שני ספרים בנושא תכנות מטלב מתקדם, ושל מאות מאמרים באתר UndocumentedMatlab.com. יאיר תרם עשרות פונקציות שימושיות ל- MathWorks File Exchange, הממקמים אותו לאורך שנים בראש רשימת התורמים השימושיים ביותר מבין עשרות אלפי תורמים, לפי מדדי דרוג, הורדה, והשפעה. יאיר מייעץ בנושאי פיתוח ושימוש ב-MATLAB לגופים רבים, רובם בחו"ל.

הערה: ההרצאה תתקיים רק ב- 5.4 במלון דניאל, ב-6.4 ההרצאות יהיו ברצף ללא הרצאה זו.

MATLAB למשתמשים חדשים ומתחילים - חלק 1 - אסף מוזס, מהנדס יישומים – מומחה בתחום מערכות בקרה, רובוטיקה ומידול פיזי, סיסטמטיקס.

חלק 1 –
מסלול זה מתאים למשתמשים מתחילים ב-MATLAB ולאלו שלא עשו שימוש בכלי עד היום, והמעוניינים לעשות צעדים ראשונים בעולם זה.
בחלק זה נכיר את סביבת ה-MATLAB וסוגי המשתנים השונים, נראה כיצד לייבא נתונים ולהכינם לעבודה וכיצד לבצע אנליזה וויזואליזציה עבור הנתונים. כמו כן, המסלול יציג עבודה עם סקריפטים ופונקציות מובנות/חדשות, כיצד הם פועלים זה לצד זה, כיצד ניתן למצוא ולנפות שגיאות בקוד וכיצד ניתן להפיק דו"חות בצורה אוטומטית.
באמצעות דוגמא מלווה המראה את שלבי הפיתוח בסביבת MATLAB תוכלו לעקוב אחר תהליך העבודה והשימוש בסביבה זו.
כמו כן, נכיר את ה- AppDesigner, כלי המאפשר לייצר ממשק גרפי של הקוד עבור המשתמש, חדש ב-R2016a, ומהווה את סביבת ה-GUIDE החדשה!

MATLAB למשתמשים חדשים ומתחילים - חלק 2 - אסף מוזס, מהנדס יישומים – מומחה בתחום מערכות בקרה, רובוטיקה ומידול פיזי, סיסטמטיקס.

חלק 2 –
מסלול זה מתאים למשתמשים מתחילים ב-MATLAB ולאלו שלא עשו שימוש בכלי עד היום, והמעוניינים לעשות צעדים ראשונים בעולם זה.
בחלק זה נכיר את סביבת ה-MATLAB וסוגי המשתנים השונים, נראה כיצד לייבא נתונים ולהכינם לעבודה וכיצד לבצע אנליזה וויזואליזציה עבור הנתונים. כמו כן, המסלול יציג עבודה עם סקריפטים ופונקציות מובנות/חדשות, כיצד הם פועלים זה לצד זה, כיצד ניתן למצוא ולנפות שגיאות בקוד וכיצד ניתן להפיק דו"חות בצורה אוטומטית.
באמצעות דוגמא מלווה המראה את שלבי הפיתוח בסביבת MATLAB תוכלו לעקוב אחר תהליך העבודה והשימוש בסביבה זו.
כמו כן, נכיר את ה- AppDesigner, כלי המאפשר לייצר ממשק גרפי של הקוד עבור המשתמש, חדש ב-R2016a, ומהווה את סביבת ה-GUIDE החדשה!

Feedback