להרשמה לסמינר - לחצו כאן !
היכנסו למידע נוסף בנושא Machine Learning

הזמנה לסמינר בנושא:

למידת מכונה באמצעות כלי MATLAB

6.2.17 מלון דניאל, הרצליה  |   7.2.17 מלון לאונרדו, בניין אלמוג, חיפה

למידת מכונה (Machine Learning) הינה תת-תחום במדעי המחשב ובבינה מלאכותית, העוסק בפיתוח אלגוריתמים המאפשרים למחשב ללמוד מתוך דוגמאות, ופועל במגוון משימות חישוביות בהן התכנות הקלאסי איננו אפשרי. במקרה זה הלימוד נעשה בהסתמך על מידע המגיע מתוך מדידות ונתונים, ולכן ניתן לשפר את ביצועי המערכת ככל שמספר המדידות גדל.

אלגוריתמים ללימוד מכונה משמשים ביישומים כגון חישוב פיננסי (אלגו-טריידינג, דירוג אשראי), עיבוד וידאו ותמונה (זיהוי פנים, זיהוי אובייקטים), חישוב ביולוגי (סיווג גידול, מציאת תרופות ו-DNA), ייצור אנרגיה (חיזוי צריכת אנרגיה וחיזוי עלות מסחר), עיבוד שפה טבעית, (NLP) זיהוי דיבור ותמונה, ואף בפרסום ומערכות המלצה (סרטים, קניות וכו').

בסמינר זה נכיר את תחום לימוד המכונה ואת סוגי הלמידה הקיימים, נראה כיצד ניתן להשתמש בסביבת MATLAB בצורה יעילה כדי לבצע למידת מכונה בתחומים שונים בתעשייה, ונשמע מלקוחות כיצד כלי למידת המכונה ב-MATLAB מסייעים להם בתהליכי הפיתוח.

קהל יעד:

הסמינר מיועד לכלל העוסקים בתחום זה, וכמובן לכל אלו המעוניינים להכיר אותו ולהשתלב בו.

[ סדר יום ]

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

להרשמה לסמינר - לחצו כאן !

יצירת קשר

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

נשמח לראותך בסמינר.

08:30 התכנסות ורישום
9:00 דברי פתיחה
סוניה פיסרב, סיסטמטיקס
9:15 מבוא ללימוד מכונה
רועי פן, מהנדס אפליקציה, סיסטמטיקס
בהרצאת מבוא זו נלמד מה זה לימוד מכונה? בשביל מה זה טוב? אילו סוגים של למידה קיימים? מה הם האלגוריתמים הנפוצים בתחום?
9:30 סיווג אוטומטי של קולות הלב
שירן גולן, מהנדסת אפליקציה, סיסטמטיקס
קולות לב מכילים מידע שיכול לסייע באיבחון מוקדם של פתולוגיות במערכת הקרדיוווסקולרית. מאחר והקלטה של הלב לא דורשת ציוד מיוחד ויכולה להתבצע בקלות, זהו פיתרון אידיאלי לביצוע איבחון בשטח על מנת לזהות ולהחליט האם יש לשלוח את הנבדק לאיבחון נוסף. עם זאת, זהו אות מורכב ואבחון אמין בדרך כלל דורש רופא מיומן.
בהרצאה זו נראה כיצד לפתח אלגוריתם לסיווג אוטומטי של קולות לב כך שנוכל ליישם את הפיתרון על מערכת realtime ולאפשר איבחון נגיש בכל מקום ובכל זמן.
נראה כיצד כלי ה-MATLAB מאפשרים להתמודד עם מספר אתגרים הקיימים בתחום למידת המכונה:

  • עבודה עם מידע שאינו מתאים לגודל הזיכרון באמצעות tall arrays
  • טכניקות למיצוי מאפיינים ו-dimension reduction
  • כונון פרמטרים לביצוע אופטימיזציה של המודל
10:00 User Story: Nanit – The Baby Monitor That Thinks
Shaked Dovrat, Yanai Ankri

Nanit uses machine learning technologies to monitor the baby’s sleep behavior by live-steaming the crib in HD to an app on the parent’s smartphone. The monitor provides a bird’s-eye view of the crib, streaming video that uses algorithms to analyze the baby’s movements.
The lecture will consist of brief presentation of Nanit, and some real-world examples of how machine learning is used at various parts of the product (SVM, decision trees, Adaboost, Deep learning, data collection).
10:30 הפסקת קפה
11:00 פיתוח מודל חיזוי בעזרת Neural network (והעברה לסביבת Production)
רועי פן, מהנדס אפליקציה, סיסטמטיקס
על סמך תחזית מזג אוויר ניתן לחזות את רמת צריכת החשמל על ידי הציבור, דבר המאפשר לתכנן את היקף הפעילות בתחנות כוח שונות. בהרצאה זו נראה כיצד ניתן להפוך בקלות כמות גדולה של נתונים מורכבים אודות מזג אויר וצריכת חשמל – לכדי מידע המאפשר קבלת החלטה מושכלת ונקיטת פעולה. בדוגמה יוצג כיצד ניתן לגשת לנתונים המאוחסנים במקומות שונים, להציג אותם, לחקור אותם, לנקות אותם ולשלב אותם עם נתונים נוספים. לאחר מכן, נשתמש בנתונים על מנת לבנות מודל חיזוי לצריכת החשמל בעזרת Neural network (רגרסיה), ונלמד כיצד לשלב את המודל בסביבת Production.
11:45 Predictive Maintenance with MATLAB
רוני פאר, מהנדס אפליקציה, סיסטמטיקס
חברות המפתחות ציוד תעופתי ותעשייתי לרוב שומרות כמויות אדירות של נתונים לגבי אופן פעולת המכשירים והמכונות, מתוך כוונה שבעתיד ניתן יהיה להפיק ממנו מידע חשוב. עם זאת, לצורך בניה של מודלים רובוסטיים ומדויקים לחיזוי הפעילות, נדרש שילוב נדיר של ניסיון מקצועי ויכולות לעיבוד סטטיסטי.
בהרצאה זו נציג טכניקות ללימוד מכונה בסביבת MATLAB המאפשרות לחזות את משך החיים הנותר של הציוד. בעזרת נתונים המגיעים ממדידות אמיתות, נחקור את תהליכי ייבוא המידע, עיבוד ראשוני שלו, וסיווג שלו. נראה כיצד בוחרים את ה-features וכיצד משווים בין מספר מודלים של לימוד מכונה. נציג כיצד ניתן לעשות שימוש ב-MATLAB לצורך בניית אלגוריתמים לחיזוי (פרוגנוסטיקה) וכיצד מעבירים אותם לעולם ה-Production.
בתהליכים שיוצגו בהרצאה זו, חברות יוכלו לשפר את אמינות הציוד שלהם, ולפתח מודלים ושירותים מתקדמים יותר מהקיים היום.
12:30 סיום משוער
13:00-14:30 MATLAB Fundamentals for Beginners- שירן גולן, סיסטמטיקס
לאחר סמינר Machine Learning, נקיים סדנת הכרות בסיסית עם MATLAB, עבור אלה מכם שלא מכירים את היכולות ואת סביבת העבודה של MATLAB
(וגם עבור מי שמכיר ורוצה לרענן את הידע).

בסדנא נעסוק בהיכרות עם סביבת העבודה של MATLAB, ונלמד כיצד לבצע פעולות כגון:

  • טעינת נתונים מ-Excel לתוך MATLAB
  • ויזואליזציה מהירה ומגוונת של הנתונים
  • ביצוע פעולות עם וקטורים ומטריצות
  • התאמת עקומות ומשטחים לנתונים ממדידות, ובניית מודל חיזוי
  • יצירת קוד MATLAB אוטומטי לפעולות שכיחות בעבודה השוטפת
Feedback