הזמנה לכנס בנושא:
MATLAB עולה על מדים 2018
27.3.18 בית ציוני אמריקה, ZOA, רח' אבן גבירול 26, תל אביב
המפגש השנתי למשרתים בצה"ל, המאפשר למידה מקצועית, שיפור תהליכי העבודה ומפגש טכני עם עמיתים לצבא.
יום עיון טכני, ללא עלות, למשתמשים קיימים ופוטנציאליים בכלי MATLAB ו Simulink- בצה"ל.
MATLAB ו-Simulink הם כלי התכן המרכזיים בעבודתו של מהנדס, מדען או חוקר בשלל גווני התעשיה, וכמובן – בצה"ל. במהלך יום עיון זה, תוכלו ללמוד על חידושים שהתווספו לכלי ה-MATLAB על שימושים חדשים שהכלים משתלבים עם צורות העבודה בצה"ל. הכנס יכלול הרצאות בנושאים מתקדמים של חקר ביצועים ושילוב של בינה מלאכותית (Artificial Intelligence, AI) כדי להפיק תובנות ממידע, ובמהלכו נציג תהליכי עבודה מתקדמים מקצה לקצה בתחומי למידת מכונה (Machine Learning), למידה עמוקה (Deep Learning), עיבוד תמונה והטמעת אלגוריתמים בסביבות חיצוניות.
בנוסף, נקיים בסוף היום סדנא טכנית (Technical Session) למתחילים, בה תוכלו ללמוד צעד אחר צעד כיצד לעבוד בסביבת MATLAB. עם הידע שתרכשו ביום העיון תוכלו לשוב למשרד ולהתחיל לעבוד בצורה יעילה ואיכותית יותר ותרכשו רקע רחב יותר בכלים אשר הפכו לסטנדרט בתעשייה ויוכלו לשרת אתכם בעבודתכם היומיומית בצה"ל ובעתיד בתעשייה.
קהל יעד:
מהנדסים, מפתחי אלגוריתמים, מפתחי תוכנה/חומרה (ספרתי/אנלוגי/מעורב), חוקרים, פיזיקאים, מתמטיקאים, ביולוגים, כימאים ומהנדסי מערכות אשר משתמשים ולא משתמשים עדיין בתוכנת MATLAB ו-Simulink. מיועד למשתמשים קיימים ופוטנציאליים בכלי MATLAB ו- Simulink- בצה"ל.
[ סדר יום ]
הערה:
ההשתתפות הינה ללא תשלום, אך מחייבת הרשמה מראש.
| 08:30 | התכנסות |
| 9:00 | תחזוקה מונעת כיישום של למידת מכונה שירן גולן, מהנדסת אפליקציה בתחום לימוד מכונה |
| 10:10 | ניתוח ומידול טקסט בגישת Text Analytics שירן גולן, מהנדסת אפליקציה בתחום לימוד מכונה |
| 10:30 | הפסקת קפה |
| 11:00 | חידושים בעיבוד תמונה ולמידה עמוקה עבור יישומי ראיה ממוחשבת רועי פן, מהנדס אפליקציה לתחומים עיבוד תמונה, ראיה ממוחשבת ולמידה עמוקה |
| 12:15 | כלים להטמעת אלגוריתמים בסביבות חיצוניות מיכאל דוננפלד, מהנדס אפליקציה לנושאי Deployment |
| 13:00 | הפסקת צהריים |
| 14:00-15:00 | סדנת MATLAB למתחילים שירן גולן, מהנדסת אפליקציה בתחום לימוד מכונה |
[ פירוט הרצאות מקצועיות ]
אחזקה מונעת כיישום של למידת מכונה
לחץ לקבלת פירוט ההרצאה
אחזקה מונעת כיישום של למידת מכונה
Practical Machine Learning – Preventive Maintenance
שירן גולן, מהנדסת אפליקציה לתחום למידת מכונה, סיסטמטיקס
אחזקת מערכות הינה חלק אינטגרלי מכל פיתוח של מערכת חדשה. בעוד שבשלבי המחקר והפיתוח אנו משקיעים כ-20% מעלות הפרויקט, הרי שעיקר התקציב והמאמץ עובר בסופו של דבר לדרג האחזקה וביצוע שינויים ושיפורים. כפועל יוצא, חשיבות האחזקה בכלל, ונושא האחזקה החזויה בפרט הינו בעל ערך עליון, בעיקר כשמדובר על מערכות הפרוסות במספר אתרים ברחבי המדינה.
אחזקה מונעת, Preventive Maintenance, הינה גישה חדשנית אשר מאפשרת ללמוד על התנהגות המערכת לכל אורך חייה, ומתוך איסוף נתונים מחיישנים שונים, להגיע לתובנות מתקדמות על אופן פעולתה, ומתוך כך לדעת לצפות מתי היא יוצאת מאופן פעולה אידיאלי, ואף לחזות כשל עתידי.
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.
בהמשך נראה כיצד ניתן לעשות שימוש בבינה מלאכותית (Artificial Intelligence) ולימוד מכונה (Machine Learning) על מנת להיות מסוגלים לחזות כשלים או מצבי פעולה שאינם תקינים, מתוך מידע היסטורי. בתהליכים שיוצגו בהרצאה זו, תוכלו ללמוד כיצד ניתן לשפר את אמינות הציוד והמערכות ולפתח מודלים ושירותים מתקדמים יותר מהקיים היום.
מידול וניתוח טקסט בגישת Text Analytics
לחץ לקבלת פירוט ההרצאה
מידול וניתוח טקסט בגישת Text Analytics
שירן גולן, מהנדסת אפליקציה לתחום למידת מכונה, סיסטמטיקס
בהרצאה זו יודגמו יכולות הפקת תובנות מתוך מידע טקסטואלי (Text Analytics) בסביבת MATLAB. נראה כיצד ניתן לגשת למידע טקסטואלי ממקורות שונים ובפורמטים שונים, כיצד אפשר לבצע עיבוד מקדים למידע – ניקויו והעברתו לייצוג נומרי, כיצד ניתן למדל את המידע בשיטות שונות, וכיצד אפשר לשתף את המודלים בסביבות שונות.
חידושים בעיבוד תמונה ולמידה עמוקה עבור יישומי ראיה ממוחשבת
לחץ לקבלת פירוט ההרצאה
חידושים בעיבוד תמונה ולמידה עמוקה עבור יישומי ראיה ממוחשבת
רועי פן, מהנדס אפליקציה לתחומים עיבוד תמונה, ראיה ממוחשבת ולמידה עמוקה
תחום הלמידה העמוקה (Deep Learning) 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.
בהרצאה טכנית זו נראה כיצד ניתן להשתמש בסביבת MATLAB בצורה יעילה בתחום זה לצורך פיתוח יישומי למידה עמוקה בעולם האמיתי. כפי שניתן יהיה להתרשם, גרסאות ה-MATLAB האחרונות הן גרסאות משמעותיות ביותר לעוסקים בתחום הלמידה העמוקה, והן מאפשרות לאלגוריתמים לרוץ מהר יותר, תוך ניצול נמוך יותר של זיכרון, ותוך הפגנת סט יכולות חזק יותר מאי פעם.
נתמקד בתחום עיבוד התמונה והראיה הממוחשבת ונראה כיצד ניתן בקלות:
- לבנות רשתות מתקדמות מותאמות-אישית ולאמן אותן בעזרת מאגר של תמונות לצורך ביצוע סיווג (Classification)
- לייבא רשתות מסביבות כמו Keras-TensorFlow ,PyTorch ו-Caffe ולבצע Transfer Learning בסביבת MATLAB
- להשתמש בשיטות גילוי (Detection) מבוססות למידה עמוקה
- לבצע עיבוד מקדים למידע האימון והבדיקה – כמו labeling בצורה נוחה או פעולות גיאומטריות לצורך הגדלת מאגר המידע
- למצוא הגדרות אופטימליות לאימון רשתות עמוקות (Deep Neural Networks ו-CNN)
- להאיץ את זמני האימון על ידי ניצול כוח חישובי כמו GPU (אחד או יותר), מחשבים חזקים נפרדים וענן
- להמיר בצורה אוטומטית קוד MATLAB לקוד CUDA אשר יכול לרוץ על מעבדים גרפיים של חברת nVidia – הדבר מאפשר להגיע לזמני ביצוע מהירים במיוחד, תוך ניצול יעיל של זיכרון, בעזרת ה-GPU Coder
כמו כן, ההרצאה תסקור חלק מהחידושים בכלי עיבוד התמונה של MATLAB בגרסאות האחרונות.
כלים להטמעת אלגוריתמים בסביבות חיצוניות
לחץ לקבלת פירוט ההרצאה
כלים להטמעת אלגוריתמים בסביבות חיצוניות
מיכאל דוננפלד, מהנדס אפליקציה לנושאי Deployment
לרוב MATLAB הוא לא הסביבה הסופית שבה אנו רוצים להריץ את המערכת שלנו. המערכת הסופית יכולה להיות סביבת PC, מעבד ייעודי, סביבת ענן (Cloud) או בכלל לשלב בתוך מערכת קיימת, המבוססת על C# או JAVA.
בהרצאה זו נציג ונדגים כיצד ניתן לקחת אלגוריתם שפותח בMATLAB-, ולהעביר אותו בסביבה הסופית שלו, באמצעות מוצרי ה-MATLAB Coder, ה-MATLAB Compiler וה-MATLAB Compiler SDK.
מוצרים אלו מאפשרים הטמעה של אלגוריתמים שפותחו בסביבת MATLAB והעברתם לסביבות שאינן תלויות יותר ברשיון MATLAB.
בהמשך נראה כיצד ניתן לייעל את זמני הריצה של האלגוריתם באמצעות המרה בצורה אוטומטית של קוד MATLAB לקוד CUDA אשר יכול לרוץ על מעבדים גרפיים (GPU) של חברתnVidia .
בגירסת R2017b יצא מוצר חדש בשם GPU Coder שמאפשר את היכולת הזו, ובהרצאה נסקור את יכולותיו של מוצר זה.
סדנת MATLAB למתחילים
לחץ לקבלת פירוט ההרצאה
סדנת MATLAB למתחילים
שירן גולן, מהנדסת אפליקציה לתחום למידת מכונה, סיסטמטיקס
במסלול זה נערוך הכרות בסיסית עם MATLAB, עבור מי שלא מכיר את סביבת העבודה והיכולות של MATLAB (וגם עבור מי שמכיר ורוצה לרענן את הידע).
נתחיל בהכרות של סביבת ה-MATLAB ותהליך הפיתוח בסביבה זו. נלמד כיצד לבצע טעינת נתונים מ-Excel לתוך MATLAB, להציג את הנתונים בלחיצת עכבר, לבצע פעולות עם וקטורים ומטריצות, ולהתאים עקומות ומשטחים לנתונים ממדידות. נראה כיצד אפשר לייצר קוד באופן אוטומטי עבור פעולות שכיחות בעבודה השוטפת, ולהפיק דו"חות המתעדים את הקוד והתוצאות שלנו בקלות. כמו כן, נראה כי ניתן ליצור סקריפטים ופונקציות כך שנוכל להריץ את הקוד שלנו שוב ושוב באופן אוטומטי.
יש לכם מחשב נייד עם MATLAB? אל תשכחו להביא אותו, בכדי שתוכלו לתרגל יחד איתנו.
אין לכם – אל דאגה, תוכלו לקבל את הקוד שאנו מציגים, ולתרגל בזמנכם החופשי לאחר מכן.
