What is Deep Learning

קהל יעד:

  • כל משתמשי MATLAB המעוניינים להיחשף או להרחיב את הידע שלהם ב-Deep Learning
  • 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

הזמנה ליום עיון בנושא:

למידה עמוקה של תחום ה- Deep Learning

2.11.16 מלון דניאל, הרצליה

יום עיון טכני, ללא עלות, למהנדסים ו-Data Scientists – בו תוכלו ללמוד כיצד להתמודד עם אתגרים
בתחום ה-Deep Learning בעזרת MATLAB

בכנס Data Analytics שהתקיים בחודש אפריל האחרון, ראינו כיצד מהנדסים, "טכנולוגים", ומדענים בתחומי יישום שונים משתמשים ב-MATLAB לבניית מערכות ולניתוח, עיבוד והסקת מסקנות מיטבית בסביבה מרובת נתונים. אחד התחומים שעלה שוב ושוב במהלך הכנס היה נושא Deep Learning וכיצד ניתן לפתח מערכות מסוג זה בסביבת MATLAB.

ביום עיון חצי יומי זה נלמד להכיר לעומק את תחום הלמידה העמוקה, מהי התיאוריה העומדת מאחוריו, וכיצד ניתן להשתמש בסביבת MATLAB בצורה יעילה בתחום זה. יום העיון מיועד לכל העוסקים בתחום זה, וכמובן לכל אלו המעוניינים להכיר אותו ולהשתלב בו.

ביום עיון זה נציג את התיאוריה העומדת מאחורי תחום הלמידה העמוקה (Deep Learning). ד"ר יונתן לזרסון, חוקר ומומחה לתחום הבינה המלאכותית, בוגר מעבדת ה-AI של אוניברסיטת סטנפורד, יפרוס בחלקו הראשון של היום את עולם הלמידה העמוקה, כיצד הוא התפתח, מהם האלגוריתמים והשיטות המרכזיות לעבודה בתחום זה, ומספר דוגמאות ליישום של תחום זה.

לאחר הרצאתו של ד"ר לזרסון, נראה כיצד ניתן להשתמש בסביבת MATLAB בכדי לפתח יישומים בעולם האמיתי. מתוך מגוון האפשרויות והיישומים האפשריים, בחרנו להתמקד בתחום עיבוד התמונה ולהראות כיצד ניתן לבצע למידה אוטומטית מתוך מאגר של תמונות, כיצד מבצעים Transfer Learning, וכיצד ניתן לשלב גישות שונות של לימוד מכונה ולמידה עמוקה, על מנת לאפשר למשתמש את החופש המרבי בבואו למצוא את הפתרון המיטבי עבורו.

תחום הלמידה העמוקה משותף למגוון רחב מאד של יישומים. מהנדסים וחוקרים רבים ברחבי העולם עושים שימוש בלמידה עמוקה לצורך מציאת תבניות בתמונות, זיהוי דיבור, עיבוד טקסט, מחקר על תרופות, ועוד. הגישות והשיטות שנציג מתאימות לאנשים מתעשיות שונות, ואנו מזמינים אתכם להצטרף, ללמוד ולשתף מהידע שלכם ושל עמיתיכם לתעשייה.

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.

[ סדר יום ]

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

חלק מההרצאות יועברו בשפה האנגלית.

08:30 התכנסות ורישום
9:00 למידה עמוקה בסביבת MATLAB
סוניה פיסרב, סיסטמטיקס
9:15 Introduction to Deep Learning – Part 1
Dr. Jonathan Laserson
10:30 הפסקת קפה
11:00 Introduction to Deep Learning – Part 2
Dr. Jonathan Laserson
11:20 יישומי Deep Learning בעולם המעשי
רועי פן, סיסטמטיקס
12:30 סיום משוער

[ פירוט הרצאות ]

יצירת קשר

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

נשמח לראותך ביום העיון.

Introduction to Deep Learning

לחץ לקבלת פירוט ההרצאה

Introduction to Deep Learning

Neural networks, born in the 40s, revived in the 80s, and neglected in the 90s, are
now making their second Artificial Intelligence comeback, and this time they are
winning.

Coined by the much cooler name Deep Learning, these algorithms are
beating classical Machine Learning algorithms by a significant margin in scores of
AI challenges. All the while, Deep Learning theoreticians are lagging behind, still
having no clue how come it works so well.
And the best thing still – these algorithms are pretty simple to understand, and the software infrastructure available to run them at scale is outstanding and supported by a huge developers community.
In this talk I will give an introductory talk about Deep Learning and how to get started with it.

Dr. Jonathan Laserson
Dr. Jonathan Laserson is a senior algorithm researcher at PointGrab and a Machine Learning expert and consultant. He has a PhD from the Computer Science AI lab at Stanford University and was a lecturer at Bar-Ilan University. After 3 years doing machine learning at Google, today he is focused on Deep Learning algorithms and their practical usage on embedded architectures.

יישומי Deep Learning בעולם המעשי

לחץ לקבלת פירוט ההרצאה

ישנם סוגים רבים של פרויקטים, מחקרים ודוגמאות לשימוש באלגוריתמים של Deep Learning לצורך ביצוע פעולות ליישומי זיהוי תמונות, עיבוד שפות, מחקר תרופות, זיהוי דיבור ועוד.

זיהוי אובייקטים בתוך תמונה מאפשרת בנייה של מערכות מתקדמות, כגון רכבים אוטונומיים, רובוטים עצמאיים, חיפוש מבוסס תמונות ועוד. עם זאת, השילוב בין אלגוריתמים של לימוד מכונה יחד עם שיטות ללמידה עמוקה עלולים להיות קשים ללימוד, הערכה והשוואה.
בהרצאה זו נראה כיצד ניתן, בעזרת MATLAB, להתגבר על אתגרים אלו בשלבי הבניה של מערכת לזיהוי עצמים, תוך שימוש באלגוריתמים של למידה עמוקה, לימוד מכונה
ועיבוד תמונה:

  • לימוד ואימון של מודלים מתוך מאגרי תמונות
  • לימוד של רשתות נוירונים עמוקות
  • ביצוע Transfer Learning מתהליכי למידה שבוצעו בעבר, לצורך ביצוע משימות חדשות
  • שילוב של אלגוריתמים של לימוד מכונה יחד עם למידה עמוקה והשוואה ביניהם
  • יכולות חדשות בגרסת R2016b, כגון ביצוע Localization למיקום עצמים בתוך תמונות.
Feedback