הזמנה לכנס בנושא:

Digital Engineering with

MATLAB & Simulink

Empowered by AI

11/09/2023, בין השעות 08:30-16:00, מלון דניאל, הרצליה

הסיבוכיות ההולכת וגדלה של מערכות הפיתוח בימינו מעמידה אתגרים חדשים למהנדסים ולאלגוריתמאים כאחד.
ההתפתחויות הטכנולוגיות והקצב המהיר של הטרנספורמציה הדיגיטלית מאלצות את המהנדסים לנקוט בגישות שונות מהפתרונות הקלאסיים והמוכרים. רבים מהם פונים לטכנולוגיות ה-AI על מנת למצוא פתרונות לבעיותיהם.
טכנולוגיית ה-AI צריכה לשפר את המערכות הקיימות והשיטות הקלאסיות הקיימות היום ולא להחליפן. אך לא פעם מערכות ה-AI מעמידות בפנינו אתגרים שלא נתקלנו בהם בעבר, אשר נרצה לדעת לפתור אותם בסביבתנו המוכרת, במהירות וביעילות.

במהלך כנס זה נציג:

  • דמויים מעשיים שישלבו AI בשיטות הקלאסיות בעולם התמונות
    Data Agnostic Image Classification
  • דמויים מעשיים שישלבו AI ביכולות ניתוח הסיגנלים הקלאסיים כיום
    Data Agnostic Signal Classification        
  • יכולות שפותחו בכלי MATLAB לאלגוריתמים בעולם ה-AI מפי אורח מומחה  MathWorks ,Pierre Harouimi
  • יכולות וכלים שהתווספו ל-MATLAB במהלך השנים האחרונות שעשויים לעזור בייעול ושיפור תהליך הפיתוח באמצעות AI
  • כלים פרקטיים כיצד לשלב מערכת AI בעולם הפיתוח שלנו לפי תחומים
  • כיצד ניתן להתאים את סביבת העבודה שלנו לדרישות מערכת ה-AI

[ סדר יום ]

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

הרשמה לכנס ללא עלות

נשמח לראותך
בכנס.

08:30-09:00 – כיבוד התכנסות והרשמה

9:00 -9:30
AI – trends and challenges
סיסטמטיקס, Strategic Account Manager , לירוז שטרנליב

נציג את הכאבים והאתגרים בהכנסת מערכות AI למערכות קיימות. כיצד נכון לשלב מודלים של בינה מלאכותית ב-Simulink לסימולציה ויצירת קוד ברמת המערכת. וכן נכיר אלמנטים שבהם AI יכול לשחק תפקיד משמעותי.

09:30-10:15
AI-driven system design
מורן גולדמברג, מהנדסת אפליקציה, סיסטמטיקס

בניית מערכת חכמה היא הרבה יותר מרשת נוירונים או מאלגוריתם חכם. כדי שנוכל לבנות מערכת AI בצורה נבונה עלינו לדאוג לכל סביבת העבודה שלנו.

בהרצאה זו נעבור על הדגשים כיצד לעבוד נכון בסביבה בה אנו מפתחים מערכת AI.

כיצד נתמודד עם ביג דאטה וכיצד נכון לנהל אותו כחלק מפרויקט גדול.

חלק אינטגרלי ומהותי מתהליכי הפיתוח, הוא היכולת להריץ בדיקות נרחבות של המערכת בסביבה שלה, במגוון רחב של תרחישים, יכולות ואפשרויות. הרצאה זו תעסוק במספר עמודי תווך הקיימים היום בסביבת MATLAB  והמאפשרים האצת הסימולציה, שימוש בחומרות מקביליות ומתקדמות, ולבסוף העברת הסימולציה בצורה שקופה ומהירה לסביבת ענן.

נדגים בצורה טכנית ומעשית, כיצד ניתן לקחת אלגוריתם ומודלים, להאיץ את פעולתם, להריץ אותם על גבי מספר סביבות שונות, כדי לקבל תובנות מעמיקות בקצב מהיר על התנהגות המערכת.

10:15 – 11:00
Predictive Maintenance with MATLAB
Pierre Harouimi ,Application Engineer , MathWorks

בהרצאה זו נלמד כיצד ניתן להשתמש בדאטה עבור תחזוקה חזויה וניטור מערכות כדי למנוע כשל עתידי בציוד.

ציר הזמן העתידני של לוחות זמני תחזוקה חזויים ייקבעו על ידי אנליטיקה,

אלגוריתמים חכמים ונתונים מחיישנים. בעזרת תחזוקה חזויה, ארגונים יכולים לזהות

בעיות לפני כשל בציוד, למצוא את הכשל בזמן.

הדגשים כוללים:

  • מהי תחזוקה חזויה
  • אסטרטגיות תחזוקה
  • תחילת העבודה עם תחזוקה חזויה
  • זרימת עבודה של תחזוקה חזויה

– גישה ועיבוד מקדים לנתונים ממגוון מקורות ויצירת נתונים שקשה לשחזר

-שימוש בלמידת מכונה לפיתוח מודלים חזויים

-יצירת לוחות מחוונים להדמיה ואינטראקציה עם תוצאות המודל

-פריסת אלגוריתמים חזויים במערכות ייצור

11:00-11:15 – הפסקה

11:15-12:00
What's new in AI in MATLAB
ענבר לוי, מהנדס אפליקציה, סיסטמטיקס

סביבת MATLAB היא סביבה עשירה עם יכולות גדלות ומשתנות מגרסה לגרסה. בהרצאה זו נסקור את היכולות החדשות שעוזרות בתהליכי מחקר, פיתוח והטמעה, נדון בחידושים השונים שמתרכזים בעולם ה-AI ובפונקציות חדשות המשדרגות את אופי הכתיבה בניתוח ועיבוד נתונים כחלק מתהליך ה-AI.

12:00 – 12:45
Leverage Your Simulation using Reinforcement Learning
 איתמר אנגלמן, יועץ, סיסטמטיקס

Reinforcement Learning מאפשרת לפתור בעיות אופטימיזציה וסינון באמצעות למידה עמוקה, הלמידה מתרחשת באמצעות סימולציות מרובות של המערכת עם Trial & Error.
נתוני הסימולציה משמשים לאימון Policy, ,המיוצג על ידי רשת עצבית עמוקה שתחליף מערכת אלגוריתמים מסורתית לקבלת החלטות.
במפגש זה תכירו מהי למידת חיזוק, תראו כיצד לבצע אותה ומהן האפשרויות העומדות עבור מפתח באמצעות MATLAB & Simulink.

13:45 – 12:45 – הפסקת צהרים

13:45-16:00 – חלוקה לשני מסלולים מקבילים בנושא:

מסלול – AI & Images – Challenges and solutions

עיבוד תמונה וטכניקות ראייה ממוחשבת משמשות לשיפור, ניתוח וחילוץ מידע מתמונות וסרטונים כדי לפתור אתגרים בעולם האמיתי לעיצוב תמונה ומערכות ראייה.

במסלול זה תגלו כיצד להשתמש בטכניקות אלו ב-  MATLAB כחלק מתהליך הפיתוח של האלגוריתמים הקיימים יחד ה-AI.

במהלך הדמויים השונים נתחיל מהשלב הראשון שיחיל את השיטות הקלאסיות הקיימות בתחום ונלמד כיצד למנף אותן לשימוש נכון ב-AI.

עבור מספר דוגמאות, כגון: מעקב אחר עצמים , זיהוי אנומליות, זיהוי רכבים בתמונה ועוד..

במסגרתו נעבור על הכללים הנכונים לעבודה ועל השיטות השונות הקיימות, מתי נדע להשתמש באיזו שיטה, וברגע שנבין זאת נוכל לבצע את התהליך הנכון בכל תחום שנרצה.

מסלול – AI & Signals– – Challenges and solutions

שילוב של למידה עמוקה בתכנון מערכות עיבוד האותות יכול לעזור בשיפור ביצועי המערכות ולעזור לייצר מערכות איכותיות, אמינות וגמישות יותר.

במסלול זה נראה כיצד ניתן:

  • לייצר נתונים סינטטיים שישמשו כקלט בתהליך הלמידה של הרשת
  • לבצע אוגמנטציות לנתונים קיימים על מנת לעבות את כמות הנתונים הקיימת
  • לתייג אותות באמצעות אפליקציית Signal Labeler
  • לייצר רשתות ולאמן אותן תוך שימוש באפליקציות Deep Network Designer ו-Experiment Manager

[ 2 מסלולים מקצועיים ]

13:45-16:00

מסלול בנושא: AI & Images – Challenges and solutions

Demos – Data Agnostic Image Classification
Pierre Harouimi Application Engineer at MathWorks
 ענבר לוי, מהנדס אפליקציה, סיסטמטיקס

במהלך דמויים אלה נעבור ביחד את כל השלבים, מקצה לקצה, של אימון רשת DL על תמונות.
נבנה יחד את הקוד ונעבוד בתוך ה-MATLAB עם הכלים החדשים בכדי להתמודד עם בעיות נפוצות הקיימות בעולם התמונות בתוך מערכות AI.
בסיום המסלול תוכלו לצאת עם היכולות כיצד לממש את הפתרונות לבעיות הקיימות בתכנון מערכת חכמה כזו, כל אחד בתחומו.

נסקור את השלבים הבאים:

Image Generation with GAN (generative adversarial network) 13:45 -14:15

Accessing and visualizing the image data 14:15-14:30

Transfer Learning with Images 14:30-15:00

Hyperparameters Optimization 15:00-15:30

Train and test a deep learning model 15:30-15:45

Inference with the final model 15:45-16:00

13:45-16:00

מסלול בנושא: AI & Signals – Challenges and solutions

Demos – Data Agnostic Signal Classification
יובל עציץ סיברסקי, מהנדסת אפליקציה, סיסטמטיקס
יובל עטר, מהנדסת אפליקציה, סיסטמטיקס

במהלך דמויים אלה נעבור ביחד את כל השלבים, מקצה לקצה, של אימון רשת על סיגנלים.
נבנה יחד את הקוד ונעבוד בתוך ה-MATLAB עם הכלים החדשים בכדי להתמודד עם בעיות נפוצות הקיימות בעולם הסיגנלים בתוך מערכות AI.
נתאר את השימוש בעיבוד מקדים כדי לחלץ מידע מאותות. יוצגו גישות שונות לתיוג אותות כולל שימוש באלגוריתמים ואוטומציה עם מודלים של למידה עמוקה.
וכן נראה כיצד נוכל להשתמש באפליקציות שונות, לדוגמה: Signal Labeler כדי לפשט את התהליך.
בסיום המסלול תוכלו לצאת עם יכולות למימוש פתרונות לבעיות הקיימות בתכנון מערכת חכמה שכזו, כל אחד בתחומו.

נסקור את השלבים הבאים:

Signal pre-process and visualization 13:45-14:15

Automated Labeling and Iterative Learning for Signals 14:15-15:00

Comparing Clustering Algorithms 15:00-15:30

Sequential Feature Selection 15:30-15:45

Classification 15:45-16:00

Model Improvement- Hyperparameters Optimization 16:00-16:15

נשמח לראותך בכנס