קהל יעד:

  • משתמשי MATLAB עם ידע בעולם תוכן שלהם וללא רקע ב-AI, שחושבים לשלב יכולות AI בפיתוח שלהם.
  • משתמשי MATLAB בעלי רקע בסיסי ב-AI שרוצים להעמיק את הידע.
  • בעלי רקע חזק ב-AI שעובדים עם MATLAB ורוצים להכיר כלים חדשים ב-MATLAB בעולם של AI.
  • האירוע מיועד למפתחים שמעוניינים ליצור מערכות מבוססות AI ורוצים לראות כיצד MATLAB יכול לשפר להם את תהליך הפיתוח

הזמנה לכנס בנושא:

Reshape R&D Workflows with AI

24/09/2024 | בין השעות 8:30-16:00
מלון דניאל, הרצליה

עולם הבינה המלאכותית (AI) הוא כבר מזמן לא רק נחלתם של אנשי התוכנה וכותבי האלגוריתמים. כיום אנו רואים שילוב נרחב של פתרונות AI בכל תהליכי ושלבי הפיתוח השונים. כלים מבוססי AI מאפשרים לזהות כשלים מערכתיים בצורה מוקדמת ומהירה, לחזות את פעולת המערכת, ואף להמיר שפות תכנות לחומרה בצורה אוטומטית.

בכנס זה נציג כיצד השימוש ב-MATLAB, עם דגש על שילוב של יכולות AI בשלבי העבודה השונים מאפשר לייעל את תהליכי הפיתוח שלנו במספר דרכים:

  • תכנון מערכות הנדסיות בצורה פשוטה.
  • מידול מערכות ברמת דיוק גבוהה.
  • ביצוע אופטימיזציה לביצועי המערכת.

מעבר לתכנון המערכות ההנדסיות, תוכלו להתעדכן ביכולות חדשות בתחומים החמים בעולם הבינה המלאכותית כמו פיתוח Generative AI וכיצד ניתן לשלב מודלי שפה כמו ChatGPT בסביבת MATLAB. כאשר נפתח אלגוריתמים של AI לרוב נבצע זאת על ה-Cloud, לכן נציג את היכולות החדשות גם בתחום זה, בדגש על סביבות הנדסיות מבוססות  MATLAB.

כחלק מתהליך הלימוד ביום זה, תוכלו להשתתף באחת מ-2 סדנאות פרקטיות, שבהן תוכלו לממש יכולות AI. הראשונה תעסוק בתיוג אותות ובניית מודלים מתאימים, וסדנא נוספת תעסוק במימוש מודלים מסוג GAN וחידושים בכל מה שקשור ל-Deployment והטמעה חכמה של מודלים על החומרה.

כחלק מהתכנון המערכתי ישנו דגש משמעותי על שלב היישום, ועל כן נציג ונדגים כיצד ניתן להמיר אלגוריתמים ומודלים מערכתיים לשפות מכונה והרצה על GPU – מאלגוריתם לזמן-אמת. נראה גם כיצד ניתן לעשות שימוש באפליקציות מוכנות שמאפשרות לבצע תהליכים שלמים בקלות – הקלקה אחר הקלקה.

[ 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
ליטל כתריאל, Account Manager

09:30-10:15
Top Capabilities in AI and MATLAB
ענבר לוי, מהנדס אפליקציה,  סיסטמטיקס

Top Capabilities in AI and MATLAB
ענבר לוי, מהנדס אפליקציה

בהרצאה זו נציג את היכולות החדשות ואת הפיצ'רים המגניבים והעדכניים ביותר למימוש AI ב-MATLAB.

בין היתר נדבר על:

  • כיצד אפשר למנף את ChatGPT, Copilot ודומיהם על מנת לאפשר לכם להרחיב את היכולות שלכם בפרויקטים שונים.
  • חקר המודל מבפנים: Explainable AI, כיצד להסביר תחזיות של רשת ושילוב בדיקות ווריפקיציה וולידציה על מודלים.
  • יכולות פיתוח Low Code AI , לשם חקר ופיתוח של המודלים ועד לשיבוצם כחלק מהמערכת השלמה (והרצת סימולציות מערכתיות).
  • דרכי השילוב בין MATLAB לכלי Open Source שונים ויכולות חדשות ב-Co-execution עם Python.
  • יכולות הכנת הרשת להטמעה לחומרה (למשל על ידי Pruning ו-Quantization).

10:15 – 10:40
Deploy an Edge Detection Application to NVIDIA Jetson
יובל עציץ, מהנדסת אפליקציה, סיסטמטיקס

Deploy an Edge Detection Application to NVIDIA Jetson

יובל עציץ, מהנדסת אפליקציה, סיסטמטיקס

We will see how a model that performs Edge Detection for images, was deployed to Jetson Nano GPU by NVIDIA with a complete workflow in MATLAB

10:40-11:00
הפסקה

11:00-12:00
Al in Real Life: Using AI Algorithms to Improve and Analyze Physical Systems
איתמר אנגלמן, יועץ, סיסטמטיקס
ענבר לוי, מהנדס אפליקציה, סיסטמטיקס

Al in Real Life: Using AI Algorithms to Improve and Analyze Physical Systems
איתמר אנגלמן, יועץ, סיסטמטיקס
ענבר לוי, מהנדס אפליקציה, סיסטמטיקס

נחקור את השפעתם של מודלי AI על מערכות פיזיקליות מעשיות, עם דגש על תחום התחזוקה החזויה (Predictive Maintenance). נלמד כיצד לשלב מודלי AI בצורה אפקטיבית בתוך מערכות פיזיקליות, מהכנת הדאטה ועד ליישום המודל על רכיבי חומרה או לענן.
נציג כיצד ניתן להשתמש במודלי חיזוי שמנתחים נתונים מחיישנים כדי לזהות חריגות ולחזות תקלות במערכת מבעוד מועד, וכן להעריך את זמן התפקוד הנותר של המכונה (Remaining Useful Life, RUL) .
נעמוד על השימוש בכלי המידול הפיזיקליים של MathWorks כדי ליצור דאטה סטים איכותיים, שיאפשרו לנו לאמן את מודל ה-AI שלנו בצורה מדויקת. נלמד כיצד שילוב נכון של Predictive AI מאפשר לנו לשמור על תקינות המערכת ולתזמן את תחזוקת המכונה בצורה אופטימלית, כך שנוכל להימנע מתקלה פתאומית ולשמור על פעילות תקינה ויעילה של המערכת.

12:00- 12:15
Algorithm Deployment on Beckhoff Hardware
Shani Kaplan, Beckhoff

12:15- 12:45
 Engineering AI: Optimizing the Infrastructure for Cloud and Embedded Environments
מורן גולדמברג, Application Engineering Team Leader

Engineering AI: Optimizing the Infrastructure for Cloud and Embedded Environments
מורן גולדמברג,
Application Engineering Team Leader

אנחנו יכולים להשקיע המון זמן בכתיבת אלגוריתם AI שעובד נפלא בפני עצמו אבל לא במערכת הסופית שלנו.
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. נבין ונשווה את השיקולים שיש לנו כשאנחנו רוצים להשתמש באלגוריתם חכם כחלק ממערכת גדולה יותר.
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.
בנוסף, נציג את יכולות ההטמעה של מודלי AI על גבי החומרות השונות, תוך השוואה בין Embedded AI, Edge AI ו-TinyML.

13:45 – 12:45
הפסקת צהרים

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

>> מסלול 1:
Advanced Analysis of Signals
using AI and beyond
יובל עציץ, מהנדסת אפליקציה, סיסטמטיקס		 >> מסלול 2:
AI for validation and verification
Practical GAN- Model Optimization and Deployment
ענבר לוי, מהנדס אפליקציה, סיסטמטיקס

[ 2 מסלולים מקצועיים ]

13:45-16:00

מסלול 2:
AI for validation and verification
Practical GAN- Model Optimization and Deployment

ענבר לוי, מהנדס אפליקציה, סיסטמטיקס

בסשן פרקטי זה נקבל זווית מעשית מעמיקה על עולם ההטמעה של רשתות.

נממש יחדיו דוגמא הכוללת רשת GAN – תוך התמקדות בכל האלמנטים שיש לשים עליהם דגש בעת הטמעה של מודלים על חומרה בצורה היעילה ביותר, כולל טכניקות לכיווץ המודלים לצורך אופטימיזציה, אימות ביצועי המודלים לאחר תהליך הכיווץ, והיישום המעשי של המודלים על חומרה.

בנוסף, נעסוק באימות למידה עמוקה על ידי בדיקת חוסן הרשת, הערכת רגישות הרשת, והסברת תחזיות בעזרת השיטות החדשות ביותר (למשל D-RISE). השתתפות במסלול זה יקנה לכם את הכלים והידע הפרקטיים הדרושים להערכת GANs ולהטמעתם בצורה מקצועית ויעילה.

13:45-16:00

מסלול 1:
Advanced Analysis of Signals using
AI and beyond

יובל עציץ, מהנדסת אפליקציה, סיסטמטיקס

טכניקות מכונה ולמידה עמוקה מניעה את המגה-טרנד הנוכחי של בינה מלאכותית בתעשיות מכשור רפואי ותעשיות פארמה.

בסדנה זו תלמדו כיצד לפתח יישומי בינה מלאכותית באמצעות MATLAB גם אם אין לכם רקע רשמי ב- Machine ו-Deep Learning. המטרה שלנו היא להציג בפניכם כמה כלים וגישות שונות לפיתוח מודלים חזויים על אותות ביו-רפואיים. אנו נתמקד בכיסוי כל שלבי התהליך של הבינה המלאכותית מקצה לקצה – כלומר מחקר האותות ועד לפריסה.
בסשן פרקטי זה, נעסוק בנושאים חיוניים הכוללים:

  • תיוג אוטומטי לאותות ביו-רפואיים של סדרות זמן
  • בניית מודלים של למידה עמוקה באמצעות CNNs ו-LSTMs עבור נתוני אותות ביו-רפואיים
    *ייבוא מודלים חיצוניים ללמידה עמוקה מ Python לתוך MATLAB – שימוש ב TensorFlow/PyTorch
  • החל טכניקות מתקדמות של עיבוד אותות מראש לחילוץ תכונות אוטומטיות
  • שימוש בטכניקות של יצירת Spectrogram ו – Continuous Wavelet Transform
    *אופטימיזציה והרצת מספר ניסויים לאימון מתקדם
הרשמה לכנס ללא עלות

נשמח לראותך בכנס