ההשתתפות בכנס הינה ללא עלות
אך מחייבת הרשמה מראש.

הזוכים בתחרות
"מיומנות בכלי MATLAB"

במסגרת כנס  MATLAB & Simulink

מקום ראשון:
פארס מרג'יה, מחברת אפלייד מטריאלס
מקום שני:
עמרי בן דב, מהאוניברסיטה העברית בירושלים
מקום שלישי:
מיכל מרמן, מחברת GE Healthcare

בואו לפגוש אלפי מהנדסים ומדענים, וללמוד מהמומחים בתחומים השונים, מחו"ל ומהארץ.

שריינו את מקומכם עוד היום!

הורדת סדר יום, מליאה, הרצאות ומסלולים עם קישורים להרצאות

SYSTEMATICS NEXT 2021

הכנס הוירטואלי המרכזי לפתיחת שנת 2021 

יום ד', 17 במרץ 2021, בין השעות: 9:30-13:00 | כנס Online

"דיגיטלי זה הנורמלי החדש"

עולמנו האישי, כמו גם תהליכי העבודה שלנו, עברו שינויים מהותיים בשנה החולפת, תוך האצת תהליכי הדיגיטציה
בהיבטים רבים ושונים.

הכנס יעסוק בהיבטים שונים של הטרנספורמציה הדיגיטלית ובהשלכותיה על תחומי ההנדסה והמדע.

מה מצפה לכם בכנס השנה?

במסגרת של חצי יום מרוכז תוכלו להיחשף לכל החידושים, ללמוד מהמומחים ולשתף קולגות מהקהילה:

4תחרות נושאת פרסים  "מיומנות בכלי MATLAB"

הזוכים בתחרות
"מיומנות בכלי MATLAB"

במסגרת כנס  MATLAB & Simulink

מקום ראשון:
פארס מרג'יה, מחברת אפלייד מטריאלס
מקום שני:
עמרי בן דב, מהאוניברסיטה העברית בירושלים
מקום שלישי:
מיכל מרמן, מחברת GE Healthcare

לחצו לקבלת פרטים על התחרות והשתתפות בה
לחצו לקבלת פתרון כתוב לשאלות התחרות

515 הרצאות מקצועיות מעמיקות

3אורחים מחברת MathWorks, מומחים מסיסטמטיקס

בכנס ישתתפו מספר מרצים בכירים מחברת MathWorks וביניהם:

  • Jim Tung, MathWorks Fellow
  • Avinash Nehemiah, Principal Product Manager – Computer Vision, Automated Driving and Deep Learning
  • David Willingham, Deep Learning Product Manager
  • Alessandro Tarchini, EMEA Education Customer Success Engineer
  • מהנדסי ומהנדסות האפליקציה של חברת סיסטמטיקס ומגוון לקוחות שיספרו על השימוש
    MathWorks שלהם בכלי

1כל החידושים האחרונים והפתרונות החדשים

בכנס נציג את החידושים האחרונים בסביבות MATLAB ו-Simulink, ובינהם יכולות חדשות ופורצות דרך בתחומים בינה מלאכותית, תכנון מבוסס-מודל ותהליכי פיתוח שיתופיים, בקרה ומערכות אוטונומיות והוראה ומחקר אקדמי.

2הרצאות וראיונות עם מיטב המומחים מהארץ ומחו"ל

מומחים בתחומי המחקר והפיתוח הטכנולוגי, בדגש על למידה עמוקה, נהיגה אוטונומית, ראיה ממוחשבת, ניתוח נתונים, למידת מכונה, מימוש על חומרת Embedded, סימולציות, בקרה, תקשורת, עיבוד אות, עיבוד תמונה, חישוב מקבילי, אווירונאוטיקה והוראה של מקצועות ההנדסה והמדעים.

[ מליאה ]

מפגש מליאה – בין השעות 9:30-11:00

מפגש המליאה הינו המפגש המרכזי של קהילת המהנדסים והמדענים בישראל.

המפגש בהנחיית דרור גלוברמן, יתקיים בסימן "דיגיטלי זה הנורמלי החדש" ויעסוק בטרנספורמציה הדיגיטלית בעולם ובהשלכותיה על תחומי ההנדסה והמדע.

מרצים בכירים מחברת MathWorks יקחו חלק במפגש:

  • Jim Tung
    MathWorks Fellow
  • Avinash Nehemiah
    Principal Product Manager – Computer Vision,
    Automated Driving and Deep Learning
  • David Willingham
    Deep Learning Product Manager
  • Alessandro Tarchini
    EMEA Education Customer Success Engineer
למידע והרשמה להרצאות המליאה
הורדת סדר יום, מליאה, הרצאות ומסלולים עם קישורים להרצאות
  • יוצגו מגוון אפשרויות הטמעה הקיימות
    ב-MATLAB המאפשרות לבצע אינטגרציה עם סביבות שונות
  • יוצגו כלים אשר מקלים על תהליך הפיתוח ועבודה בצוות (בקרת גרסאות, ניהול פרויקטים, בדיקת תלויות)
  • חברת GM תשתף בשימוש שלה בכלי MathWorks עבור פיתוח מערכת נהיגה אוטונומית
  • חברת Check-Cap תשתף בשימוש שלה בכלים לאורך כל תהליך הפיתוח של גלולה המסייעת במניעת סרטן המעי-הגס.
  • יוכרזו הזוכים בתחרות "מיומנות בכלי MATLAB"
  • בכירי חברת MathWorks יציגו את התמיכה של הסביבות במגמות של התעשייה והמחקר, עם דגש על תחומי הבינה המלאכותית והמערכות האוטונומיות.
  • מומחי סיסטמטיקס יסקרו את החידושים המשמעותיים, הטיפים והטריקים בכלים השונים בגרסאות האחרונות.
  • יודגם כיצד אפשר להשתמש ביכולות החזקות של MATLAB מבלי לכתוב אפילו שורת קוד אחת!
  • יודגמו כלי ויזואליזציה וניתוח מידע המאפשרים לפענח ולהפיק מידע רלוונטי מהנתונים שברשותנו

מרצים במליאה

Ami Appelbaum

ד"ר עמי אפלבוים
יו"ר רשות החדשנות והמדען הראשי
במשרד הכלכלה והתעשייה

Avinash Nehemiah
Principal Product Manager
MathWorks

David Willingham
Deep Learning Product Manager
MathWorks

עודד לבנטר
מנכ"ל, סיסטמטיקס

דוד גוכמן
ראש תחום
MATLAB & Simulink

Jim Tung
MathWorks
Fellow

לרשימת המרצים המלאה של הכנס – לחצו כאן

[ הרצאות ומסלולים מקצועיים ]

מסלול 1 – בינה מלאכותית במערכות הנדסיות

למידה עמוקה, למידת מכונה ולמידת חיזוק הפכו בשנים האחרונות למרכיב מרכזי במערכות הנדסיות מתקדמות. במסלול זה נלמד על החידושים המשמעותיים בתחום הבינה המלאכותית בכלי MathWorks, נראה יישומים מתקדמים של תחום זה עבור מערכות הדמיה רפואית ומערכות תקשורת, ונדגים מימוש קל ויעיל של בינה מלאכותית על חומרת Embedded.

למידע והרשמה למסלולים המקצועיים

11:00-11:30

חידושים ומגמות עתידיות בתחום הבינה המלאכותית

מרצים:
לורן סממה, מהנדסת אפליקציה לתחומים למידת מכונה והמרה אוטומטית לקוד Embedded
רועי פן, מהנדס אפליקציה לתחומים עיבוד תמונה, ראיה ממוחשבת ולמידה עמוקה

תחום הבינה המלאכותית משתנה בצורה דרמטית מידי יום. בהרצאה זו נסקור חידושים ומגמות עתידיות בכלי MathWorks בעולמות הבאים – למידת מכונה (Machine Learning), למידה עמוקה (Deep Learning), ולמידת חיזוק (Reinforcement Learning). יכולות אלה מסייעות בהאצת תהליכי הפיתוח של פרוייקטים המשלבים בתוכם בינה מלאכותית.

בין היתר, נדבר על ממשקים אינטראקטיביים לביצוע תיוג (Labeling) של מידע בצורה מהירה ללא כתיבת קוד, מציאה אוטומטית של מודלים אופטימליים, התממשקות לסביבות קוד פתוח והמרה אוטומטית של רשת או מודל מ-MATLAB לקוד איכותי עבור מערכת Embedded.

11:30-12:00

ניתוח תמונות רפואיות באמצעות למידה עמוקה

מרצה:
רועי פן, מהנדס אפליקציה לתחומים עיבוד תמונה, ראיה ממוחשבת ולמידה עמוקה

מאז שרשת AlexNet ניצחה בתחרות סיווג מאגר התמונות ImageNet בשנת 2012, נראה שרשתות מבוססות למידה עמוקה (Deep Learning) החלו לשמש לניתוח תמונות בכל תחום יישום אפשרי. בהרצאה זו נסקור את עולם המכשור הרפואי, ונראה כיצד ניתן להשתמש בלמידה עמוקה בסביבת MATLAB על מנת להאיץ את תהליכי הפיתוח בו ובתחומים אחרים.

נדגים כיצד אפשר לבצע בצורה אוטומטית סגמנטציה סמנטית (Semantic Segmentation) של החדר השמאלי בתמונות MRI של הלב, ולהוריד במהירות את הרשת המאומנת ל-production. במהלך ההדגמה נדון באתגרים השונים הניצבים בפני כל העוסקים בתחום הלמידה העמוקה, ונסביר כיצד MATLAB מאפשרת להתגבר עליהם ולקבל תוצאות איכותיות יותר, מהר יותר, ובקלות.

11:30-12:00

למידה עמוקה עבור מערכות תקשורת

מרצה:
ינון נוסבאום, מהנדס אפליקציה לתחומים עיבוד אותות ותקשורת

בשנים האחרונות חל גידול חד ביישומי למידה עמוקה (Deep learning) של אותות, בין היתר עבור מערכות תקשורת ומכ"ם.

בהרצאה זו נדגים איך ניתן להשתמש ביכולות הלמידה העמוקה בסביבת MATLAB על מנת לסווג באופן אוטומטי אפנון של אותות תקשורת הנקלטים באנטנה ועל מנת לזהות ולסווג באופן אוטומטי מטרות מכ"ם.

בין היתר נראה טכניקות שונות בהן ניתן להשתמש על מנת לאמן רשתות למידה עמוקה עבור אותות, וביניהן דרכים יעילות לעבודה עם אותות חד ממדיים, איך ניתן לבצע על האותות התמרות זמן-תדר לצורך הפיכתם לספקטרוגרמות דו-ממדיות וביצוע של למידת תמונה עליהן, וחילוץ מאפיינים (Feature Extraction) לצורך שיפור תוצאות הסיווג.

12:00-12:30

למידת חיזוק – מה זה? למה זה טוב? וכיצד מתחילים?

מרצה:
עמית קפלן, מהנדסת אפליקציה לתחומים בינה מלאכותית, חישוב מקבילי והאצת ביצועים

למידת חיזוק (Reinforcement Learning) הינה תת תחום של למידת מכונה שלאחרונה תופסת תאוצה, ומטרתה למצוא את דפוס הפעולה הטוב ביותר לפתרון בעיה קיימת על ידי אימון אלגוריתם באמצעות ניסוי וטעיה.

בהרצאה זו נלמד מה הוא תחום למידת החיזוק, נראה איך מאפיינים בעיה מסוג זה ונבנה יחד דוגמה בסביבת MATLAB.

12:30-13:00

מימוש בינה מלאכותית על חומרת Embedded

מרצה:
לורן סממה, מהנדסת אפליקציה לתחומים למידת מכונה והמרה אוטומטית לקוד Embedded

תכנון יישומי למידה עמוקה, ראיה ממוחשבת ועיבוד אותות ופריסתם למעבדי FPGA ,GPU  ו-CPU כמו Xilinx Zynq או NVIDIA Jetson או  ARMהוא מאתגר בגלל אילוצי משאבים של החומרה.

בהרצאה זו נראה את יכולות ההמרה האוטומטית של קוד MATLAB לקוד C / C++ / CUDA / VHDL המשיגות inference  בקצב גבוה יותר מפי 2 מאשר זה שמושג על ידי סביבות למידה עמוקה אחרות. נדגים הלכה למעשה כיצד ניתן לקחת רשתות מאומנות או אלגוריתם הכתוב בשפת MATLAB, וליישם את הכל על חומרה לטובת הרצה בזמן-אמת.

מסלול 2 – תכנון מבוסס-מודל ותהליכי פיתוח שיתופיים

למידע והרשמה למסלולים המקצועיים

11:00-11:30

מידול וסימולציה של מערכות מורכבות בגישת תכנון מבוסס-מודל

מרצה:
רוני פאר, מנהל קבוצת מהנדסי האפליקציה

עם העליה במורכבות וברב התחומיות של מערכות, גובר הצורך בפתרון סדור ומובנה לפיתוח מערכות שכאלה. מזה מספר שנים שגישת תכנון מבוסס-מודלים, Model-Based Design (MBD), מאפשרת למהנדסים מהדיסציפלינות השונות לפתור בעיות מורכבות מסוג זה.

בהרצאה זו נציג את הגישה ונבין מדוע מהנדסים מרחבי הארץ והעולם בוחרים לעשות בה שימוש. כמו כן, נדבר על גישות חדישות לביצוע מידול וסימולציה של מערכות רב תחומיות, נראה כיצד לבצע תהליכי בדיקות ווריפיקציה למערכות מסוג זה, ותוך שימוש בדוגמה של רחפן אוטונומי נדגים כיצד ניתן לקצר את זמן הפיתוח על ידי שימוש ביצירת קוד באופן אוטומטי. בנוסף, נדון בקצרה גם בנושא הרישוי והאבטחה של המערכת.

11:30-12:00

הלגו של המהנדסים – מידול פיסי של מערכות בעזרת Simscape

מרצה:
רוני פאר, מנהל קבוצת מהנדסי האפליקציה

כמה זמן הייתם חוסכים אם עולם ההנדסה היה כמו קופסת לגו? דמיינו לעצמכם שקיבלתם את כל החלקים מוכנים, בחרו עבורכם מנוע ותמסורות, וכל מה שנשאר לכם לעשות זה להרכיב את הכל, להפעיל, ולהתחיל בבדיקות (או במשחק). נשמע קל ומהיר, אבל בעולם האמיתי שלנו המהנדסים, אנו מפתחים מערכות חדשות שלא נבנו בעבר, אין לנו הוראות הרכבה ואנחנו אפילו לא יודעים איזה חומר או איזה רכיב לבחור. אחד הכלים הבסיסיים שכן עומד לרשותנו הוא היכולת לבצע מידול של המערכת שלנו ולאחר מכן סימולציה בכדי לבחון כיצד המערכת תתנהג תחת אילוצים או תנאים מסויימים.

בהרצאה זו נתמקד ביכולת לתכנן מערכות רב תחומיות, הכוללות בתוכן אלמנטים פיסיים, ואת האינטראקציה שביניהן. נכיר את סביבת Simscape ונלמד כיצד היא מאפשרת לחבר בין תחומים שונים, כמו מכניקה וחשמל או הידראוליקה ובקרה, או קצת מהכל, כאשר המטרה בסופו של דבר היא לייצר "מגרש משחקים" שבו אפשר לבחון כל פתרון או כל גישה שהיא, ממש כמו בלגו, רק שהפעם אנחנו שולטים בצורת החלקים, בפרמטרים האופייניים להם ואפילו בשיטת החיבור ביניהם. והכל – מבלי לכתוב שורה אחת של קוד!

12:00-12:30

מידול וסימולציה של מערכות תקשורת

מרצה:
שלומי שרגא, מהנדס אפליקציה לתחומים מערכות תקשורת ועיבוד אותות

בפיתוח של מערכות תקשורת (או מכ"ם), מאתגר לתאם בין דרישות המערכת, הארכיטקטורה, והתכן המערכתי של קבוצת הפיתוח. כיוון שמדובר בבניה של תכן מולטי-דיסציפלינרי – פיתוח יעיל וגמיש, אינטגרציה וולידציה ברמת המערכת, ובניית אבטיפוס – הם אוסף של תהליכים מורכבים, המבוצעים על ידי קבוצות פיתוח גדולות ומגוונות – ויש לנהל את כל התהליך הנ"ל. מתודולוגיית Model Based System Engineering (MBSE) היא שיטת פיתוח שעוזרת להתמודד עם האתגר המורכב הזה.

בהרצאה נסקור את גישת MBSE, נלמד כיצד לקשר ישירות בין דרישות המערכת לבין המודל המערכתי (דבר שמאפשר לוודא היענות לדרישות המערכת בכל רגע נתון), ונראה כיצד ניתן להתמודד ביעילות עם שינויים בדרישות המערכת במהלך הפיתוח.

12:30-13:00

אימוץ Model-Based Design לפיתוח FPGA, ASIC ו-SoC

מרצה:
רון איליזרוב, מהנדס אפליקציה לתחומים תכנון ואימות חומרה דיגיטלית

חיבור MATLAB ו- Simulink לתכנון ואימות חומרה דיגיטלית סייע ללקוחות רבים לקצר את לוחות הזמנים שלהם, לשפר את פרודקטיביות האימות שלהם ולספק תוצאות איכותיות יותר בתהליכי תכנון FPGA , ASIC או SoC שלהם. אמנם זרימת עבודה זו עשויה להיראות שונה מאוד מתהליך העבודה הקיים שלכם, אך תוכלו לאמץ אותה באופן הדרגתי תוך מימוש יתרונות מיידיים.

בהרצאה נלמד כיצד :

-להשתמש בחוזקות של MATLAB ושל Simulink יחד כדי לשתף פעולה ולמקד את האלגוריתמים שלכם על ידיהוספת פרטי יישום נוספים

-לבנות תשתית test bench רב פעמית

-ליצור רכיבי אימות SystemVerilog כדי להאיץ את פיתוח סביבת אימות  ה-RTL

-לשתף פעולה בין האלגוריתם למהנדסי החומרה הדיגיטלית בכדי להתכנס מוקדם לארכיטקטורות חומרה יעילות

-להפוך את תהליך ההמרה של Fixed-Point   לאוטומטי, ואפילו לנצל את היישום של native floating-point במקום בו הוא יעיל יותר.

-ליצור RTL סינטזבילי ללא שגיאות הניתן להטמעה בכלל רכיבי FPGA , ASIC או SoC

מסלול 3 – בקרה ומערכות אוטונומיות

תחום המערכות האוטונומיות הינו עולם רחב מאוד אשר ניתן למצוא כיום ביישומים רבים. במסלול זה נכיר פתרונות מבית MathWorks המאפשרים להפוך מערכת אוטומטית למערכת אוטונומית. נראה יכולות מתחומים של חישה, תפיסה, תכנון ובקרת מסלול, ומימושן במערכות שונות, בכדי לאפשר להן לתפקד בצורה עצמאית וללא התערבות אדם.

למידע והרשמה למסלולים המקצועיים

11:30-12:00

היתוך מידע מחיישנים ושילוב בינה מלאכותית עם מערכות אוטונומיות

מרצה:
אסף מוזס, מהנדס אפליקציה לתחומים אווירונאוטיקה ובקרה

מערכת אוטונומית הינה מערכת אשר מתפקדת בצורה עצמאית לחלוטין או בצורה מפוקחת (supervised), ופועלת בתנאי אי ודאות, בסביבה לא ידועה ודינמית, ובמקרים רבים גם לא צפויה מראש.

בהרצאה זו, הראשונה מתוך סדרה של שלוש הרצאות בנושא מערכות אוטונומיות, נסקור את יכולת החישה (Sensing) המאפשרת הגדרת חיישנים שונים במערכת וביצוע היתוך-מידע של הנתונים המתקבלים. בנוסף, נסקור את יכולת התפיסה (Perception) המאפשרת למערכת לסווג, לפענח ולתת משמעות לסביבה בה היא פועלת.

12:00-12:30

תכנון ובקרת מסלול עבור מערכות אוטונומיות

מרצה:
אסף מוזס, מהנדס אפליקציה לתחומים אווירונאוטיקה ובקרה

מערכת אוטונומית הינה מערכת אשר מתפקדת בצורה עצמאית לחלוטין או בצורה מפוקחת (supervised), ופועלת בתנאי אי ודאות, בסביבה לא ידועה ודינמית, ובמקרים רבים גם לא צפויה מראש.

בהרצאה זו, השנייה מתוך סדרה של שלוש הרצאות בנושא מערכות אוטונומיות, נתמקד ביכולות תכנון המסלול (Plan) ובקרת המסלול (Control). יכולות אלו מאפשרות למערכת לנווט במרחב העבודה בצורה תקינה, על ידי מיפוי הסביבה ומציאת המסלול האופטימלי, ולבסוף לוודא כי המערכת אכן מבצעת ופועלת על פי המסלול אשר תוכנן.

12:30-13:15

למידת חיזוק כמערכת בקרה וקישוריות בעולם המערכות האוטונומיות

מרצה:
אסף מוזס, מהנדס אפליקציה לתחומים אווירונאוטיקה ובקרה

 מערכת אוטונומית הינה מערכת אשר מתפקדת בצורה עצמאית לחלוטין או בצורה מפוקחת (supervised), ופועלת בתנאי אי ודאות, בסביבה לא ידועה ודינמית, ובמקרים רבים גם לא צפויה מראש.

בהרצאה זו, השלישית מתוך סדרה של שלוש הרצאות בנושא מערכות אוטונומיות, נתמקד ביכולות בקרה מתקדמות באמצעות למידת חיזוק (Reinforcement Learning), נכיר את הטרמינולוגיה, המרכיבים השונים וכיצד ניתן ליישמם כמערכת בקרה. כמו כן, נסיים בנושא הקישוריות (Connectivity) המתייחס ליציאה מסביבת הפיתוח (Platform) באמצעות התממשקות לסימולטורים פיסיקליים ויצירת קוד אוטומטית.

מסלול 4 – הטמעת טרנספורמציה דיגיטלית בהוראה ומחקר אקדמי

בתקופת ההתמודדות עם מגפת הקורונה גברה החשיבות של Digital Transformation. ארגונים רבים משדרגים את פעילותם העסקית בשני אפיקים עיקריים: התמודדות עם יישום תהליכי פיתוח דיגיטליים ויכולת ניתוח אנליטי של מידע רב.

במסלול זה נראה כיצד העולם האקדמי מתאים את תכניות הלימוד על מנת להכין את הבוגרים לשינויים בתעשייה ובמחקר, תוך שימת דגש על לימוד טכנולוגיות מתפתחות בתחום ה-Deep Learning וה- Model-Based Design.

במסלול זה ההרצאות יועברו באנגלית, אך ניתן יהיה לשאול שאלות גם בעברית.

למידע והרשמה למסלולים המקצועיים

11:00-11:30

הכנת המהנדסים והמדענים של העתיד לאתגרי הטרנספורמציה הדיגיטלית (חלק 1)

מרצה:
אלסנדרו (אלכס) טרכיני, EMEA Education Customer Success, חברת MathWorks

בסדרת הרצאות אשר זהו חלקה הראשון, נלמד כיצד כלי MATLAB  ו-Simulink משמשים לפיתוח המיומנויות והטכניקות למחקר אקדמי ויישומים תעשייתיים ליצירת מערכות חכמות יותר:
1 – תמיכה במספר רב של תחומי יישום
2 – תמיכה בתהליכי פיתוח

חלק זה של סדרת ההרצאות יעסוק בפן האפליקטיבי – בין תחומי היישום הרבים שיסקרו יינתן דגש מיוחד ל-IoT (Internet of Things) וליישומי בינה מלאכותית (Artificial Intelligence).

11:30-12:00

הכנת המהנדסים והמדענים של העתיד לאתגרי הטרנספורמציה הדיגיטלית (חלק 2)

מרצה:
אלסנדרו (אלכס) טרכיני, EMEA Education Customer Success, חברת MathWorks

בסדרת הרצאות אשר זהו חלקה השני, נלמד כיצד כלי MATLAB  ו-Simulink משמשים לפיתוח המיומנויות והטכניקות למחקר אקדמי ויישומים תעשייתיים ליצירת מערכות חכמות יותר:
1 – תמיכה במספר רב של תחומי יישום
2 – תמיכה בתהליכי פיתוח

חלק זה של סדרת ההרצאות יעסוק בפן התהליכי (יישום גישת Model-Based Design) – לדוגמה, הצגת יכולות תמיכה בסימולציה, יצירת קוד והטמעתו בחומרה.
בסיום הסקירה התיאורטית יודגם התהליך באמצעות חומרת Arduino.

12:00-12:30

למידה מרחוק עם MATLAB
ו- Simulink

מרצה:
אלסנדרו (אלכס) טרכיני, EMEA Education Customer Success, חברת MathWorks

בשנה האחרונה, מרבית המרצים והמתרגלים נאלצו לעבור ללמידה מרחוק במהירות רבה.
בהרצאה זו אנו נדון במספר שיטות עבודה מומלצות ודוגמאות לאינטראקציה וירטואלית מוצלחת בין מרצים ובין סטודנטים, תוך שימת דגש על יישומי Deep Learning ו-Model-Based Design.
שיטות אלו פותחו ע"י מרצים בכירים באקדמיה בשיתוף פעולה עם מומחי MathWorks.

[ שותפים ופתרונות משלימים ]

אופק צילומי אויר 1987

מפה

היפר – טק מערכות מתקדמות בע"מ

אספירקום

פוינטס מיפוי עסקי

נקודה

[ אודות המרצים בכנס ]

עודד לבנטר
מנכ"ל,
סיסטמטיקס

David Willingham
Deep Learning Product Manager
MathWorks

David Willingham is a Senior Product Manager responsible for MATLAB’s Deep Learning Toolbox. David joined MathWorks in 2006, and during this time amassed over 14 years of applied engineering experience supporting a variety of application areas in Artificial Intelligence including Deep Learning, Machine Learning, Reinforcement Learning, Predictive Maintenance, Statistics, Big Data & Cloud Computing. David has worked with clients in Finance, Mining, Medical, Aerospace, Automotive, Industrial Automation & Energy Industries and has published papers on Predictive Maintenance at AUSIMM Industry conferences for Mining, Mill Operators in 2016, and Iron Ore 2017.

David received an Honours degree in Electrical & Computer Systems Engineering from Monash University in Australia in 2003.

Avinash Nehemiah
Principal Product Manager
MathWorks

Avinash Nehemiah

Avinash Nehemiah, product marketing manager for computer vision, automated driving and deep learning at MathWorks, has ten years of experience in computer vision. Prior to joining MathWorks he led a team that created a computer vision-based solution for patient safety in hospital rooms. Avinash has a Master’s degree in electrical and computer engineering from Carnegie Mellon University, where his research focused on object recognition in radar imagery.

Jim Tung
MathWorks
Fellow

Jim Tung

Jim Tung is a 30-year veteran of MathWorks, focusing on business and technology strategy, and working with key customers and partners. Jim previously held the positions of vice president of marketing and vice president of business development. Prior to joining MathWorks, Jim held management positions at Lotus Development and Keithley DAS, a pioneering manufacturer of PC-based data acquisition systems.

 

Alessandro (Alex) Tarchini
EMEA Education Customer Success
ICT

Alessandro (Alex) Tarchini – EMEA Education Customer Success

Alex has worked in ICT since 1982 , initially writing firmware for numeric control systems, then developing Finance applications and then as a consultant to aerospace companies, representing Italy in international project teams.
Since joining Teoresi in 1989, Alex has driven the adoption of MATLAB in Italy: in 2002 he was appointed as the managing director of MathWorks Italy.
After managing MathWorks Italian operations for 10 years, Alex joined the EMEA EDU Team developing the MathWorks program in support of not-for-profit research organizations and representing MathWorks in international engineering education societies such as SEFI, IGIP and the European Engineering Dean Council.
Since 2018, Alex works with universities that have chosen MATLAB as their main technical platform, helping lecturers and researchers to get the most out of their Campus Wide Licenses.

דוד גוכמן
ראש תחום
MATLAB & Simulink

רוני פאר
מנהל הפעילות הטכנית
סיסטמטיקס

רוני פאר הוא מהנדס מכונות (תואר ראשון במסגרת עתודה), בעל תואר שני בהנדסת מערכות מהטכניון, עם ותק של מספר שנים בתכן מערכות.

בשנים האחרונות מוביל את צוות מהנדסי האפליקציה והייעוץ של סיסטמטיקס, ומלווה חברות ישראליות רבות במסע שלהם לעבר טרנספורמציה דיגיטלית, בעיקר בסביבת סימולינק ויצירת קוד. כשלא בעבודה (ובתקופה האחרונה גם במסגרת עבודה), מנסה לשלב בין אימונים לאיש ברזל, שני ילדים, כלב וחתול. אולי לא הראשון שאמר זאת, אבל הכי אוהב את המשפט:  "Powered By MATLAB".

LinkedIn: linkedin.com/in/ronipeer

אוראל לוי
מהנדס אפליקציה בתחום הבקרה
סיסטמטיקס

אוראל לוי, בוגר החוג להנדסת מכונות מהטכניון, במגמת רבדים (רובוטיקה, בקרה, דינמיקה ומכטרוניקה).

לאחר לימודיו עבד בSpace-IL בצוות הניווט והבקרה, וכמהנדס ניווט בחברת סטארט-אפ.
עובד בסיסטמטיקס כמהנדס אפליקציה בתחום הבקרה.
כשאוראל לא בעבודה, הוא מאמן טיפוס ומדריך סנפלינג, ומתנדב בהתאחדות הטיפוס בישראל.

לינקדאין:

https://www.linkedin.com/in/orel-levy-255881114/

רועי פן
מהנדס יישומי עיבוד תמונה, ראיה ממוחשבת ולמידה עמוקה
סיסטמטיקס

רועי פן, בוגר הטכניון, בעל תואר שני בהנדסת חשמל.
עובד כמהנדס יישומים בסיסטמטיקס  מאז שנת 2007 ומרכז בה את הפעילות בתחומים למידה עמוקה, עיבוד תמונה וראיה ממוחשבת. כמו כן משמש כרכז השיווק הטכני של קו מוצרי MATLAB & Simulink ומנהל הבלוג MATLAB with Fun. רועי נשוי ואב לשתי בנות, ומאז שנת 2017 גם מכהן במספר תפקידים ציבוריים מתוקף היותו חבר הנהלת העיר פתח תקוה, ובין היתר עומד בראש אגף מערכות מידע ומיחשוב בעירייה (כל התפקידים הללו הינם התנדבותיים).

לינקדאין – www.linkedin.com/in/royfahn

אביאסף מוזס
מהנדס יישומי אווירונאוטיקה ובקרה,
סיסטמטיקס

אסף מוזס:

אסף מוזס בוגר החוג להנדסת מכונות באוניברסיטת בן-גוריון בנגב ומוסמך החוג למנהל עסקים באוניברסיטה העברית בירושלים. לאחר לימודיו הוא עבד בתפקידי מחקר ופיתוח במספר חברות ביטחוניות.

מזה שש שנים הוא מוביל בסיסטמטיקס את התחומים אווירונאוטיקה, בקרה, רובוטיקה, מערכות אוטונומיות והנדסת מערכות. כחלק מתפקידו, הוא מעורב ומלווה פרויקטים הנמצאים בחזית הטכנולוגיה בתחומים רבים ומגוונים.

שלומי שרגא
מהנדס יישומי עיבוד אות ותקשורת
סיסטמטיקס

שלומי שרגא

מהנדס אפליקציה לתחומים מערכות תקשורת ועיבוד אותות, סיסטמטיקס

שלומי הוא בוגר הפקולטה להנדסת חשמל בטכניון. לאחר לימודיו עבד כמהנדס פיתוח RF ברפאל, מוטורולה, ואינטל. במסגרת עבודתו בסיסטמטיקס ב-3 השנים האחרונות הוא מלווה חברות תקשורת ומכ"ם ישראליות בשימוש בכלי MathWorks בתהליך הפיתוח שלהן.

ינון נוסבאום
מהנדס יישומי עיבוד אות ותקשורת
סיסטמטיקס

ינון נוסבאום:

ינון נוסבאום, בעל תואר ראשון בהנדסת חשמל (B.Sc.) מהטכניון ותואר שני במנהל עסקים (M.B.A.) מאוניברסיטת תל-אביב. שירת במשך 11 שנים כעתודאי במגוון תפקידים בחיל האוויר, ומזה כשנתיים הוא מהנדס אפליקציה בחברת סיסטמטיקס בתחומי עיבוד האותות והתקשורת באמצעות MATLAB ו-Simulink. נשוי ואב לשלושה, בעל חגורה שחורה בקראטה, ובזמנו הפנוי מנגן על קלידים, גיטרה, סקסופון ומפוחית

הגר חן
מהנדסת יישומים – עיבוד מידע ואותות
סיסטמטיקס

הגר חן, מהנדסת יישומים – עיבוד מידע ואותות, סיסטמטיקס

בוגרת החוג להנדסה ביורפואית מאוניברסטית בן גוריון. מזה שנה היא חלק מצוות האפליקציה של תחום ה- MATLAB ואחראית על תחומי ניתוח נתונים, למידת מכונה ופתרונות הטמעה בסיסטמטיקס. מתגוררת בתל אביב ובזמנה הפנוי אוהבת לטייל, לאפות ולצייר.

לורן סממה
מהנדסת יישומי Data Science
סיסטמטיקס

לורן סממה:

לורן סממה בוגרת תואר ראשון להנדסת מכונות מהטכניון ותואר שני בניהול מערכות מידע מאוניברסיטת תל אביב. לאחר לימודיה היא שריתה בחיל המודיעין במשך 6 שנים. מזה שנתיים היא מובילה את תחום הלמידת מכונה, ומלווה חברות ישראליות רבות בהטמעת הפתרונות שלהן במערכות אמבדד.

איתמר אנגלמן
מהנדס יישומי אוטומציה ובקרה
סיסטמטיקס

איתמר אנגלמן:

איתמר אנגלמן בוגר תואר שני בהנדסת מכונות מהטכניון מזה 8 שנים הוא  חלק מצוות האפליקציה של תחום MATLAB ו-Simulink בסיסטמטיקס . יועץ בתחום הסימולציות ויצירת קוד, משתדל לראות את התמונה הרחבה בכל אספקט בחיים ומחפש אתגרים

עמית קפלן
מהנדסת יישומים
סיסטמטיקס

עמית קפלן
בוגרת החוג להנדסת חומרים וכימיה מאוניברסיטת תל אביב. מזה שנה היא חלק מצוות האפליקציה של תחום ה-MATLAB ואחראית על תחומי בינה מלאכותית, חישוב מקבילי והאצת ביצועים בסיסטמטיקס.