להרשמה ליום העיון - לחצו כאן !

קהל יעד:

יום העיון מיועד לכלל העוסקים בתחום הלמידה העמוקה, וכמובן לכל המעוניינים להכיר את התחום ולהשתלב בו.

What is Deep Learning

הזמנה ליום עיון בנושא:

שימוש ב-Deep Learning לפיתוח מערכות AI

עבור יישומים בתחומים ראייה ממוחשבת, עיבוד אות, ניתוח טקסט ומערכות בקרה בסביבת MATLAB

21.11.19 מלון חוף הכרמל, בניין אלמוג, רח' דוד אלעזר 10, חיפה

26.11.19 מלון דניאל, הרצליה

תחום הלמידה העמוקה מאפשר פתרון בעיות מורכבות בצורה איכותית, והוא משותף למגוון רחב מאוד של יישומים. מהנדסים וחוקרים רבים ברחבי העולם עושים שימוש בלמידה עמוקה לצורך מציאת אובייקטי-עניין בתמונות, עיבוד טקסט, זיהוי דיבור ועוד.

יום העיון יכלול :

  • הסבר מהי התיאוריה העומדת מאחורי תחום הלמידה העמוקה, מה ההתפתחויות האחרונות בתחום, וכיצד ניתן להשתמש בסביבת MATLAB בצורה יעילה בתחום זה לצורך פיתוח יישומים בעולם האמיתי.
  • הצגת פתרונות וחידושים בגרסה החדשה R2019b, וכיצד היכולות החדשות משמעותיות ביותר לעוסקים בתחום הלמידה העמוקה, מה שמאפשר לפתור בעיות מורכבות מהר ובקלות!
  • הרצאות טכניות והעשרה בנושאי תיאוריה של Deep Learning
  • מגוון הדגמות טכניות מעשיות מפי מומחים בתחומי עניין שונים.

[ סדר יום ]

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

להרשמה ליום העיון - לחצו כאן !

פיתוח מערכות אוטונומיות: המורכבות, הבינה המלאכותית ומה שבניהם

/
0 תגובות
המסע מתכנון למימוש של מערכות אוטונומיות רצוף באתגרים והזדמנויות בתעשייה המתרחבת כיום.
המשך קריאה...
08:30 התכנסות ורישום
9:00-11:00 Deep Learning for Computer Vision with MATLAB
רועי פן, מהנדס יישומי עיבוד תמונה, ראיה ממוחשבת ולמידה עמוקה, סיסטמטיקס
11:00-11:30 הפסקת קפה ונטוורקינג
11:30-12:15 שימוש ב-AI לניתוח אותות באמצעות MATLAB
ינון נוסבאום, מהנדס יישומים בתחום עיבוד האות, סיסטמטיקס
12:15-13:00 Reinforcement Learning Workflows: Leveraging Deep Learning for Controls
אסף מוזס, מהנדס אפליקציה בתחום אווירונאוטיקה ובקרה, סיסטמטיקס
13:00-13:30 Text Analytics
ינון נוסבאום, מהנדס יישומים בתחום עיבוד האות, סיסטמטיקס

[ פירוט הרצאות ]

יצירת קשר

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

נשמח לראותך ביום העיון.

Deep Learning for Computer Vision with MATLAB

Deep Learning for Computer Vision with MATLAB
רועי פן, מהנדס יישומי עיבוד תמונה, ראיה ממוחשבת ולמידה עמוקה, סיסטמטיקס

Deep learning can achieve state-of-the-art accuracy in many humanlike tasks such as detecting specific objects in a scene. However – It is not easy to do this…

The main tasks are to assemble large data sets, label ground truth, create or modify a neural network and train it, visualize the results and evaluate different models, using specialized hardware – often requiring unique programming knowledge. These tasks are frequently even more challenging because of the complex theory behind them.

In this lecture, we’ll demonstrate new MATLAB features that eliminate the low-level programming and that make it easy to:

  • Manage extremely large sets of images
  • Automate manual effort required to label ground truth
  • Visualize networks and gain insight into the black box nature of deep networks
  • Perform detection, regression, classification and pixel-level semantic segmentation
  • Import, use and modify models from TensorFlow-Keras, PyTorch and Caffe and pre-trained networks such as GoogLeNet and ResNet
  • Speed up network training with GPUs, parallel computing on a cluster and clouds
  • Automatically convert a model to CUDA to run on GPUs, efficient C/C++ code and executables

Examples will be from the computer vision domain.

שימוש ב  AI-לניתוח אותות באמצעות MATLAB

שימוש ב  AI-לניתוח אותות באמצעות MATLAB
ינון נוסבאום, מהנדס אפליקציה בתחום עיבוד אותות ותקשורת, סיסטמטיקס

טכנולוגיות ה- AI בניתוח ועיבוד אותות תופסות תאוצה בשנים האחרונות, בתחומים רבים ומגוונים כדוגמת זיהוי קולי Digital Health,  אותות תקשורת, ועוד.

בהרצאה זו נלמד כיצד ליישם Deep Learning על אותות באמצעות שימוש בכלי פיתוח מבוססי MATLAB .

נציג כלים וגישות בסיסיות לתכנון מודלי חיזוי מתקדמים על ידי שימוש ב- Machine learning  ו-Deep learning.

נתמקד בדרכים לרכישת, ייצור וייבוא אותות, טרנספורמציות זמן-תדר, חילוץ תכונות אות (Features) , תכנון Deep Networks מתאימות עבור האותות והכל על ידי שימוש בסביבת MATLAB .

Reinforcement Learning Workflows: Leveraging Deep Learning for Controls

Reinforcement Learning Workflows: Leveraging Deep Learning for Controls
אסף מוזס, מהנדס אפליקציה בתחום אווירונאוטיקה ובקרה, סיסטמטיקס

למידת חיזוק (Reinforcement Learning) מאפשרת לפתור בעיות בקרה באמצעות למידה עמוקה (Deep Learning) אך מבלי להשתמש בנתונים מתויגים. במקום זאת, למידת חיזוק משתמשת במודל המערכת המייצג את דינמיקת הסביבה ולומד באמצעות ביצוע הדמיות מרובות. נתוני סימולציה אלו משמשים לאימון מדיניות המיוצגת ע"י רשת-נוירונים עמוקה, רשת אשר מחליפה את הבקר ו/או מערכת קבלת החלטות אחרת.

בהרצאה זו נכיר את כלי ה- Reinforcement Learning מבית MathWorks ונסקור את היכולות והאלגוריתמים אשר הוא מכיל, כיצד ניתן להגדיר מודלי סביבה, הגדרת מדיניות פעולה והאצת אימון המודל לשיפור הביצועים. כמו כן, נתמקד בדוגמאות מעולם הבקרה המשתמשות ביכולות למידת חיזוק במטרה ללמד את המערכת, לעזור בקבלת החלטות ולוודא כי המערכת אכן מבצעת את המשימה בצורה נכונה ובדרך המיטבית.

עיבוד מידע טקסטואלי בסביבת MATLAB

עיבוד מידע טקסטואלי בסביבת MATLAB
ינון נוסבאום,מהנדס אפליקציה בתחום עיבוד אותות ותקשורת, סיסטמטיקס

מזה כ-3 שנים קיימת האפשרות בסביבת MATLAB לערוך ולנתח מידע טקסטואלי, ולהשתמש בכלי למידה עמוקה בכדי לקבל תובנות על מידע מסוג זה. בין היתר, ניתן למצוא אלגוריתמים וויזואליציות לעיבוד מקדים, אנליזה ומידול של מידע טקסטואלי, עבור אפליקציות כמו ניתוח רגשות, תחזוקה מונעת וזיהוי נושא.

בנוסף, מכיל כלים לעיבוד טקסט ממקורות שונים, כגון לוגים של מערכות, תוצאות סקרים, דו"חות, אתרי חדשות ומדיה חברתית, עליו ניתן לבצע פעולות כמו המרת טקסט לתצוגה נומרית ובניית מודלים סטטיסטיים.  באמצעות שיטות כמו LDA, LSA ו-Word embeddings,  ניתן לבצע אישכול ולמצות מאפיינים ממידע טקסטואלי רב-מימדי, ולשלב מאפיינים אלה בבנייה של מודל machine learning. ניתן לייבא מידע מקבצי word או PDF, לחשב TF-IDF ולנתח תדירות מילים, לבצע אימון של מודלי Word-embedding, ולייבא מודלי מאומנים מ- word2vec, FastText, GloVe