בקשות ושאלות

למידע ופרטים נוספים מלאו ושלחו את פרטיכם, ואנו נחזור אליכם בהקדם:


למידה עמוקה ולמידת מכונה

לימוד מכונה ולמידה עמוקה ליישומי עיבוד תמונות רפואיות באמצעות כלי MATLAB

טכניקות בינה מלאכותית כגון רשתות עמוקות נצפות באופן גובר ככלי עצמתי לפתרון בעיות מורכבות ביישומי עיבוד תמונות רפואיות, כמו בפתולוגיה ורדיולוגיה.

בוובינר זה, נציג את תהליכי העבודה הכרוכים בפיתוח ואימוץ אלגוריתמי רשתות עמוקות עבור סגמנטציה וקלסיפיקציה של תמונות רפואיות תוך שימוש במקרי דוגמא מהעולם האמיתי –
כגון סגמנטציה של חדר שמאל מתוך תמונות MRI וסיווג גלישות טפיליות.

הנושאים בהם יעסוק ה-webinar יהיו:

  • עבודה והתמודדות עם סטים גדולים של תמונות מבלי לטעון ישירות לתוך הזכרון במחשב.
  • ייבוא מודלים מסביבות חיצוניות (כגון Caffe או Tensorflow) ומפורמט ONNX לתוך סביבת MATLAB
  • בניית רשתות באמצעות ממשק Drag & drop באפליקציית Deep Network Designer
  • ביצוע משימות קלסיפיקציה על תמונות, או סגמנטציה ברמת פיקסל על תמונות.
  • תיוג חצי אוטומטי – ground truth להגדלת דאטהבייס לאימון
  • כוונון של hyper-parameters כחלק מתהליך הלימוד
  • האצת אימון הרשתות באמצעות מחשוב מקבילי על צביר של מעבדים גרפיים (GPU's )

הצטרפו ל-Paul Huxel, מהנדס יישומים בכיר של חברת MathWorks ל-45 דקות של למידה טכנית Online, ותיווכחו כי הליך הפיתוח יכול להיות קצר ופשוט!

הערה: הוובינר יועבר באנגלית

פיתוח והטמעה של מודלי AI לאותות רפואיים באמצעות MATLAB - לחץ לצפייה

טכנולוגיות ה-AI בניתוח ועיבוד אותות תופסות תאוצה בשנים האחרונות, במיוחד עבור יישומים שונים כדוגמת זיהוי קולי, Digital Health, Healthcare IoT, ועוד.

בוובינר טכני זה, נציג כיצד MATLAB יכול להאיץ את פיתוח והטמעת מודלי ה-AI. נדגים את תהליכי העבודה עבור פיתוח מודל חיזוי עבור מערכת IOT רפואית מקצה לקצה.
נראה כיצד ניתן להשתמש בייצור קוד אוטומטי ל – GPU להטמעת אותם המודלים על רכיבי GPU וביניהם גם רכיבי embedded IOT נמוכי הספק כמו Jetson של nVIDIA.
לאורך כל הוובינר נראה דוגמא של אותות EKG.

הנושאים בהם יעסוק הוובינר:

  • תהליך עבודה של פיתוח מודל AI עבור קלסיפיקציה של אותות EKG (באמצעות Machine\deep learning )
  • תכנון אינטראקטיבי של רשתות באמצעות Deep Network Designer App
  • שימוש בטכניקות ייצור קוד ל GPU להטמעת טכניקות קלסיפיקציה לאותות EKG מקצה לקצה.
  • יכולות חדשות בסבית MATLAB שיכולות לסייע בפיתוח מערכות AI, כמו Annotation, Augmentation ועוד

הצטרפו ל-Kirthi Devleker, מנהל הפעילות העסקית של MathWorks לתעשיית הרפואה לשעה של למידה טכנית Online,
ותיווכחו כי הליך הפיתוח יכול להיות קצר ופשוט!

הערה: הוובינר יועבר באנגלית

21.5.20 - Deep Learning - Regression

Deep Learning – Regression
21.5.20 – בשעה 14:00

במפגש זה נראה כיצד ניתן לעשות שימוש בלמידה עמוקה לצורך ניתוח רגרסיה על מידע בעזרת MATLAB, וכיצד יכולות אלו מפשטות את תהליך העבודה ומאפשרות לכם להגיע לתובנות מהר יותר. בתחילת המפגש תתקיים סקירה קצרה של מהי רגרסיה ולמה מיועדת, ובהמשך נראה דוגמא הלכה למעשה -הרשת תלמד לזהות מה הזווית בה יש לסובב תמונה על מנת שהיא תהיה מיושרת.
לסיום, נעשה שימוש בממשק ניהול ניסויים חדש, אשר מקל על אימון של מספר רב של רשתות והשוואה של ביצועיהן.

מרצה: רועי פן

14.5.20 - Object detection with Deep Learning in MATLAB

Object detection with Deep Learning in MATLAB
14.5.20 בשעה 14:00

בוובינר זה נלמד כיצד לאמן רשת למידה עמוקה לבצע גילוי של אובייקטי עניין בתמונות. נסקור שיטות דוגמת SSD, YOLO ומשפחת גלאי RCNN. כחלק מהתהליך יודגמו גם ממשקי משתמש לביצוע תיוג נוח של תמונות וסרטוני וידאו, אשר מאוד מקלים על התהליך.

מרצה: רועי פן

12.5.20 - Machine Learning workflow with MATLAB

Machine Learning workflow with MATLAB
12.5.20 – שעה 14:00

למידת מכונה היא מנוע לחדשנות בתחומים יישומיים רבים, כולל תחזוקה מונעת, ערכות בריאות דיגיטליות ומעקב אחר מטופלים, חיזוי מגמות פיננסיות וסיוע אוטומטי לנהגים ברכב. פיתוח מודלים ללימוד מכונה והטמעתם במערכות embedded או בתשתיות ענן עדיין דורשות מומחיות משמעותית בתחומי עיבוד אותות, Big Data ואופטימיזציה של מודלים. הרצאה זו עוסקת באופן שבו תוכנת MATLAB מאפשרת למהנדסים ולמדענים, גם כאלה שאין להם מומחיות משמעותית בעיבוד אותות ולמידת מכונה, להתמודד עם אתגרים כמו: הערכת מספר מודלים ועבודה עם כמויות גדולות של נתונים; ייבוא, ויזואליזציה ועיבוד time-series ונתונים אחרים; Feature extraction של אותות; ביצוע מודלי קלסיפיקציה עבור אותות; שיפור ביצועי המודלים באמצעות כוונון היפר-פרמטרים; הטמעת המודלים בעמדות הקצה או במערכות Embedded

מרצה: לורן

5.5.20 - Training Deep Neural Networks with MATLAB for Computer Vision – From Scratch, Transfer Learning and Apps

 Training Deep Neural Networks with MATLAB for Computer Vision – From Scratch, Transfer Learning and Apps
5.5.20 בשעה 14:00

בוובינר זה נלמד כיצד לאמן רשת למידה עמוקה לבצע סיווג של תמונות. נחקור מספר שיטות עבודה:
– אימון של רשת חדשה "מאפס"
– Transfer Learning לרשת קיימת – בין אם רשת שניתן לטעון ל-MATLAB באמצעות פקודה אחת, או בין אם רשת שנייבא אל MATLAB מסביבת למידה עמוקה אחרת.
כחלק מהתהליך יודגמו גם Apps שימושיים כמו Deep Network Designer ו-Network Analyzer. הראשון הינו ממשק גרפי בו ניתן לבנות רשת מאפס (או לטעון רשת מוכנה), לערוך אותה, לנתח את הארכיטקטורה שלה (באמצעות ה-App השני) ולבצע את האימון שלה – מבלי לכתוב קוד

מרצה: רועי פן

23.4.20 - Deep Learning for Computer Vision with MATLAB

Deep Learning for Computer Vision with MATLAB

תאריך: 23.4
שעה: 10:00-12:00

אג'נדה:
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, וידאו ועוד.
בהרצאה טכנית זו, נראה כיצד ניתן להשתמש בסביבת MATLAB בצורה יעילה בתחום הראיה הממוחשבת, לצורך פיתוח יישומי Deep Learning בעולם האמיתי. נראה כיצד ניתן בקלות:

• לנהל בצורה נוחה ויעילה כמויות עצומות של קבצי מידע.
• לבנות בצורה נוחה רשתות מתקדמות מותאמות-אישית ולאמן אותן לצורך ביצוע סיווג (Classification).
• לייבא רשתות מסביבות כמו PyTorch, Keras-TensorFlow ו- Caffe, ולבצע Transfer Learning בסביבת MATLAB.
• להשתמש בשיטות גילוי (Detection), רגרסיה וסגמנטציה-סמנטית 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.
• להשתמש ביכולות ויזואליזציה מתקדמות ובכוח חישובי חזק (GPU, אשכול מחשבים וענן).
• ליצור בצורה אוטומטית קוד CUDA או קוד C/++C מתוך קוד ה-MATLAB, לצורך הרצת הרשת המאומנת על גבי חומרה.

בהרצאה זאת יציג רועי פן,מהנדס אפליקציה מסיסטמטיקס חלק מהחידושים בתחום הלמידה העמוקה בגרסת R2020a.

6.4.20 - סיווג הולכי רגל ורוכבי אופניים בגישת למידה עמוקה

סיווג הולכי רגל ורוכבי אופניים בגישת למידה עמוקה

6.4 בין השעות 14:00-15:00

במפגש זה נראה כיצד ניתן לעשות שימוש בגישת למידה עמוקה לצורך סיווג הולכי רגל ורוכבי אופניים, בעזרת בחינת מאפייני הדופלר שלהם, וביצוע אנליזה במישור הזמן-תדר.
מפגש זה מיועד לכל מי שעוסק בעולם זה, או מעוניין לראות כיצד ניתן לעשות שימוש בלמידה עמוקה ליכולות "מעניינות" יותר מאשר זיהוי חתולים או כלבים…
מרצה:ינון נוסבאום , מהנדס יישומים, סיסטמטיקס

8.9.20 - Style Transfer בעזרת Deep Learning בסביבת MATLAB

נושא:
Style Transfer בעזרת Deep Learning בסביבת MATLAB

Style Transfer היא טכניקה שבאמצעותה משנים את הסגנון של תמונה אחת בהתאם לסגנון של תמונה אחרת. למשל – לוקחים תמונה של מגדל אייפל והופכים אותה למעין ציור בסגנון שוינסנט ואן גוך היה מצייר.

מדובר בבעיית אופטימיזציה שבה מנסים לייצר תמונת מוצא שמאפייני התוכן שלה תואמים את אלה של תמונה אחת, ומאפייני הסגנון שלה תואמים את אלה של התמונה האחרת. ואת המאפיינים ניתן לחלץ מהתמונות בעזרת Deep Learning.

בוובינר נראה כיצד ניתן לבצע Style Transfer בסביבת MATLAB בצורה פשוטה, ונלמד, בין היתר, כיצד לבנות ממשק משתמש ידידותי בעזרת ה-App Designer, כיצד להציג בקלות תמונות Deep Dream, וכיצד לנתח רשתות עמוקות בעזרת ה-Network Analyzer.

מרצה ראשי: יואב ברסלר, מומחה צבע.
בשיתוף עם רועי פן, מהנדס יישומים בתחום ה-Deep Learning, סיסטמטיקס.

25.8.20 - Deep Learning עם קוד פתוח או עם MATLAB? או גם וגם?

תיאור:

בשנים האחרונות צצו סביבות שונות המאפשרות פיתוח רשתות למידה עמוקה. הסביבות נבדלות ביניהן במגוון היבטים – עלות שימוש, יכולות, מהירות, גודל קהילת המשתמשים ועוד.

בוובינר זה נעמוד על ההבדלים בין הסביבות ה"חינמיות" לבין MATLAB, ונראה מתי נכון להשתמש בכל אחת בנפרד, ומתי מומלץ לשלב בין סביבות על מנת ליהנות מכל העולמות.
אחת הדוגמאות לביצוע שילוב שכזה, היא חברת 1702ai, המשתמשת גם ב-MATLAB וגם ב-TensorFlow עבור תהליך הפיתוח שלה, במטרה לאתר נשקים בסרטונים ממצלמות אבטחה באמצעות Deep Learning.

ג'ו לוי, המייסד והמנכ"ל של החברה, יתארח בוובינר ויספר על הניסיון שלו בשילוב בין מספר סביבות, שאיפשר לו לנצל את היתרונות של כל אחת מהן.

מרצה: רועי פן, סיסטמטיקס.

19.8.20 - המרת רשתות למידה עמוקה לקוד C/C++/CUDA והפעלתו על מערכות Embedded

תיאור:

בוובינר זה נראה את יכולות ההמרה האוטומטית של קוד MATLAB לקוד C/C++/CUDA המשיגות inference בקצב גבוה יותר מפי 2 מאשר זה שמושג על ידי סביבות למידה עמוקה אחרות.

בוובינר נלמד על:

  • יצירת קוד C/C++/CUDA מרשתות למידה עמוקה וביצוע אופטימיזציות על מנת לשפר את ביצועי הקוד.
  • הרצת הקוד שנוצר על גבי מעבדים גרפים שלNVIDIA כמו לוחות Jetson AGX Xavier ו- NVIDIA DRIVE ועל גבי מעבדים של אינטל ופלטפורמות של ARM.
  • שימוש במצלמה של ה-Jetson כחלק מתהליך יצירת אב-טיפוס ב-MATLAB.

מרצה: לורן סממה

4.8.20 - Machine Learning workflow with MATLAB

תיאור:

למידת מכונה היא מנוע לחדשנות בתחומים יישומיים רבים, כולל תחזוקה מונעת, ערכות בריאות דיגיטליות ומעקב אחר מטופלים, חיזוי מגמות פיננסיות וסיוע אוטומטי לנהגים ברכב.

פיתוח מודלים ללימוד מכונה והטמעתם במערכות embedded או בתשתיות ענן עדיין דורשות מומחיות משמעותית בתחומי עיבוד אותות, Big Data ואופטימיזציה של מודלים.

וובינר זה יעסוק באופן שבו תוכנת MATLAB מאפשרת למהנדסים ולמדענים, גם כאלה שאין להם מומחיות משמעותית בעיבוד אותות ולמידת מכונה, להתמודד עם אתגרים כמו:

  • הערכת מספר מודלים ועבודה עם כמויות גדולות של נתונים
  • ייבוא, ויזואליזציה ועיבוד time-series ונתונים אחרים Feature extraction של אותות
  • ביצוע מודלי קלסיפיקציה עבור אותות
  • שיפור ביצועי המודלים באמצעות כוונון היפר-פרמטרים
  • הטמעת המודלים בעמדות הקצה או במערכות Embedded

מרצה: לורן סממה

28.7.20 - Regression with Deep Learning in MATLAB

תיאור:

במפגש זה נראה כיצד ניתן לעשות שימוש בלמידה עמוקה לצורך ניתוח רגרסיה על מידע בעזרת MATLAB, וכיצד יכולות אלו מפשטות את תהליך העבודה ומאפשרות לכם להגיע לתובנות מהר יותר.

בתחילת המפגש תתקיים סקירה קצרה של מהי רגרסיה ולמה מיועדת, ובהמשך נראה דוגמא הלכה למעשה -הרשת תלמד לזהות מה הזווית בה יש לסובב תמונה על מנת שהיא תהיה מיושרת.
לסיום, נעשה שימוש בממשק ניהול ניסויים חדש, אשר מקל על אימון של מספר רב של רשתות והשוואה של ביצועיהן.

מרצה: רועי פן

Object detection with Deep Learning in MATLAB

תיאור:

בוובינר זה נלמד כיצד לאמן רשת למידה עמוקה לבצע גילוי של אובייקטי עניין בתמונות. נסקור שיטות דוגמת SSD, YOLO ומשפחת גלאי RCNN. כחלק מהתהליך יודגמו גם ממשקי משתמש לביצוע תיוג נוח של תמונות וסרטוני וידאו, אשר מאוד מקלים על התהליך.

מרצה: רועי פן

14.7.20 - Training Deep Neural Networks with MATLAB for Computer Vision

תיאור:

בוובינר זה נלמד כיצד לאמן רשת למידה עמוקה לבצע סיווג של תמונות. נחקור מספר שיטות עבודה:

  • אימון של רשת חדשה "מאפס"
  • Transfer Learning לרשת קיימת – בין אם רשת שניתן לטעון ל-MATLAB באמצעות פקודה אחת, או בין אם רשת שנייבא אל MATLAB מסביבת למידה עמוקה אחרת.
    כחלק מהתהליך יודגמו גם Apps שימושיים כמו Deep Network Designer ו-Network Analyzer. הראשון הינו ממשק גרפי בו ניתן לבנות רשת מאפס (או לטעון רשת מוכנה), לערוך אותה, לנתח את הארכיטקטורה שלה (באמצעות ה-App השני) ולבצע את האימון שלה – מבלי לכתוב קוד

מרצה: רועי פן

2.4.20 - עיבוד וניתוח מידע בסביבת MATLAB תהליכי Preprocessing

עיבוד וניתוח מידע בסביבת MATLAB תהליכי Preprocessing

2.4 בין השעות 14:00-15:00

לב העיבוד הראשוני של המידע הוא כלי חיוני והכרחי בתהליך היתוח המידע.
במפגש זה נראה יכולות רבות שקיימות בסביבת MATLAB לצורך פעולות רבות, כגון: סינון מידע, מציאת outliers, ניקוי תופעות שגויות, החלקה, התאמת זמנים ועוד. בין היתר נראה שימוש ב-Apps, עבודה עם ה-Live Editor, ועוד הרבה יכולות שהן כבר מזמן בסיסיות בעבודת המתכנן ב-MATLAB.

מרצה: לורן סממה, מהנדס יישומים, סיסטמטיקס

תכנון מבוסס-מודל (MBD) בסביבת Simulink

תכנון מבוסס מודלים (MBD) לפיתוח מערכות מכשור רפואי באמצעות כלי MathWorks

קהילת המכשור הרפואי פונה לטכניקות למידול וסימולציה שנהוגות בתעשיות ה-Safety Critical, כמו הרכב והתעופה, בכדי למצוא דרכים להפחית את סיכון הפיתוח והקטנת מספר
ה-Recalls שעלולות להתרחש – בסביבה מאתגרת של מערכות ותוכנה מורכבת כמו פיתוח מכשור רפואי. גישת תכנון מבוסס-מודלים היא גישה שכבר שנים רבות קיימת בתעשיות הרכב
והתעופה, ומאפשרת הפחתה של בניית אבי-טיפוס פיזיים, שילוב תהליכי V&V כחלק מהפיתוח, ואינטגרציה מערכתית עוד בשלב התכן הדיגיטלי.

בוובינר זה נציג דוגמא לפיתוח מערכת של משאבת Infusion בגישת תכנון מבוסס-מודלים ונראה טכניקות למידול, סימולציה, בדיקות, הטמעה ווריפיקציה של התכן בסביבת MATLAB.

הנושאים שיוצגו ב-webinar:

  • מידול רכיבים פיסיים
  • בניית מכונות מצבים לתכנון מצבי עבודה שונים של המערכת
  • סימולציה ובדיקות של מודל המערכת
  • מעקב וניהול אחר דרישות הפיתוח לאורך כל שלבי העבודה

הצטרפו ל- Ravali Kamthamraju, מהנדס יישומים בכיר של חברת MathWorks ל-45 דקות של למידה טכנית Online, ותיווכחו כי הליך הפיתוח יכול להיות קצר ופשוט!

הערה: הוובינר יועבר באנגלית

13.5.20 - Simulink Project Management

Simulink Project Management
13.5.20 – בשעה 14:00

In this webinar we shall see how to use Simulink project to manage the files within our design. How to automate startup and shutdown tasks, add shortcuts for common tasks, run checks, upgrade project files, analyze project dependencies, and share the project.

מרצה: ינון

6.5.20 - תכן ומימוש בקרת טיסה על חומרת Pixhawk באמצעות Simulink

תכן ומימוש בקרת טיסה על חומרת Pixhawk באמצעות Simulink
6.5.20 בשעה 10:30 עד 11:00

בוובינר זה תוכלו לשמוע פרטים טכניים ולראות דוגמאות מעשיות לתכנון בקרת טיסה ב-Simulink, מימוש אוטומטי על חומרת PixHawk וניסויי טיסה של רחפן, טיל רקטי וטיסן סילוני, כפי שבוצעו לאחרונה במסגרת פרויקטי סטודנטים בפקולטה להנדסת אווירנאוטיקה בטכניון.
ההרצאה תועבר ע"י רומן גנדלמן – מהנדס בקרה ברפאל, בעל תואר שני בהנדסת אווירונאוטיקה, ומנחה פרויקטי בקרה וסימולציות פיסיקליות בטכניון.

26.4.20 - מידול מערכתי וסימולציה של Aileron בגישת Model-Based Design באמצעות כלי MatWorks

מידול מערכתי וסימולציה של Aileron בגישת Model-Based Design באמצעות כלי MatWorks
תאריך: 26.4
שעה: 10:00-11:30

אג'נדה:
כלי הפיתוח של MathWorks מאפשרים מידול של מערכות פיסיקליות בתחומים רבים ומגוונים. סימולציה של המודלים הפיסיקליים מאפשרת בחינה מהירה של ביצועי המערכת, הרבה לפני בניית אב-טיפוס.
בהרצאה זו יציג אסף מוזס,מהנדס אפליקציה מסיסטמטיקס, כיצד מהנדסים, מדענים וחוקרים משתמשים בכלי סימולציה במטרה לקבל הבנה מעמיקה יותר בכל הנוגע למערכות מולטי-דיסציפלינריות מורכבות.
באמצעות דוגמא של מאזנת (Aileron) נסקור בצורה מעמיקה את תהליך הפיתוח של מערכת מולטי-דיסציפלינארית, תהליך הכולל מידול, סימולציה, אופטימיזציה ובקרה:
ייבוא נתונים מתוכנות תיב”ם (3D CAD) לסביבת העבודה של Simulink, החייאת המודל והפעלתו, תכן חוגי הבקרה, יישום אופטימיזציה ועוד.

26.4.20 - שימוש בגישת Model-Based Design לתכנון מערכת אוטונומית באמצעות כלי MathWorks

שימוש בגישת Model-Based Design לתכנון מערכת אוטונומית באמצעות כלי MathWorks
תאריך: 26.4
שעה: 13:00-14:30

גישת Model-Based Design של חברת MathWorks, המבוססת על כלי MATLAB & Simulink, כוללת יכולות רבות המוכוונות לפיתוח של מערכות אוטונומיות ומאפשרת סימולציה, תכנון ובחינה של מערכות אוטונומיות בצורה פשוטה וברמות שונות. גישה זו מאפשרת לחסוך זמן רב בתהליך הפיתוח והגעה לאב-טיפוס בצורה יעילה ומהירה.
בהרצאה זו נסקור מספר יכולות אשר מאפשרות להפוך את המערכת המתוכננת למערכת אוטונומית המקבלת החלטות באופן עצמאי:
• Platform: מידול מערכת המשמשת כבסיס של סביבת הפיתוח
• Sense: הגדרת חיישנים שונים וביצוע היתוך-מידע של הנתונים המתקבלים מהם
• Perception: יכולות תפיסה והבנה של הסובב את המערכת
• Plan: תכנון מסלול אופטימלי באזור העבודה האפשרי
• Control: בקרת מסלול תנועת המערכת
• Connect: התממשקות המערכת הממודלת עם סביבות חיצוניות

אסף מוזס ,מהנדס אפליקציה בחברת סיסטמטיקס ,יסקור כיצד היכולות השונות פועלות אחת לצד השניה וכיצד הן משתלבות יחד עם מתודולוגיית ה- Model-Based Design להשלמת התמונה המלאה.

עיבוד תמונה וראיה ממוחשבת

לימוד מכונה ולמידה עמוקה ליישומי עיבוד תמונות רפואיות באמצעות כלי MATLAB

טכניקות בינה מלאכותית כגון רשתות עמוקות נצפות באופן גובר ככלי עצמתי לפתרון בעיות מורכבות ביישומי עיבוד תמונות רפואיות, כמו בפתולוגיה ורדיולוגיה.

בוובינר זה, נציג את תהליכי העבודה הכרוכים בפיתוח ואימוץ אלגוריתמי רשתות עמוקות עבור סגמנטציה וקלסיפיקציה של תמונות רפואיות תוך שימוש במקרי דוגמא מהעולם האמיתי –
כגון סגמנטציה של חדר שמאל מתוך תמונות MRI וסיווג גלישות טפיליות.

הנושאים בהם יעסוק ה-webinar יהיו:

  • עבודה והתמודדות עם סטים גדולים של תמונות מבלי לטעון ישירות לתוך הזכרון במחשב.
  • ייבוא מודלים מסביבות חיצוניות (כגון Caffe או Tensorflow) ומפורמט ONNX לתוך סביבת MATLAB
  • בניית רשתות באמצעות ממשק Drag & drop באפליקציית Deep Network Designer
  • ביצוע משימות קלסיפיקציה על תמונות, או סגמנטציה ברמת פיקסל על תמונות.
  • תיוג חצי אוטומטי – ground truth להגדלת דאטהבייס לאימון
  • כוונון של hyper-parameters כחלק מתהליך הלימוד
  • האצת אימון הרשתות באמצעות מחשוב מקבילי על צביר של מעבדים גרפיים (GPU's )

הצטרפו ל-Paul Huxel, מהנדס יישומים בכיר של חברת MathWorks ל-45 דקות של למידה טכנית Online, ותיווכחו כי הליך הפיתוח יכול להיות קצר ופשוט!

הערה: הוובינר יועבר באנגלית

14.5.20 - Object detection with Deep Learning in MATLAB

Object detection with Deep Learning in MATLAB
14.5.20 בשעה 14:00

בוובינר זה נלמד כיצד לאמן רשת למידה עמוקה לבצע גילוי של אובייקטי עניין בתמונות. נסקור שיטות דוגמת SSD, YOLO ומשפחת גלאי RCNN. כחלק מהתהליך יודגמו גם ממשקי משתמש לביצוע תיוג נוח של תמונות וסרטוני וידאו, אשר מאוד מקלים על התהליך.

מרצה: רועי פן

7.5.20 - What’s new in Computer vision and Image Processing

What's new in Computer vision and Image Processing
7.5.20 בשעה 14:00

"בכל שנה מוציאה חברת MathWorks שתי גרסאות תוכנה, הכוללות עדכונים, תיקונים ויכולות חדשות בכלי הפיתוח השונים. תחום עיבוד הוידאו והתמונה הוא אחד התחומים שמתפתחים בצורה הכי מהירה, עם Support Packages שמשוחררים בין הגרסאות, תמיכה בכל היכולות החדשות בתחומי הלמידה העמוקה, ממשקים פתוחים למערכות וכלים נוספים ועוד.
מעבר לכלים החדשים (Deep Learning Toolbox, Reinforcement Learning) והתמיכה ביצירת קוד בצורה מקבילית למגוון רחב של מעבדים, יש יכולות מובנות בסביבת MATLAB שמאפשרות הרצה מהירה יותר, שימוש ב-Apps להאצת תהליך הפיתוח, וכן פונקציות חדשות שמטרתן להקל על תהליך הפיתוח.
בהרצאה זו נסקור חלק מיכולות אלו ונדגים את העיקריות שבהן."

מרצה: רועי פן

5.5.20 - Training Deep Neural Networks with MATLAB for Computer Vision – From Scratch, Transfer Learning and Apps

 Training Deep Neural Networks with MATLAB for Computer Vision – From Scratch, Transfer Learning and Apps
5.5.20 בשעה 14:00

בוובינר זה נלמד כיצד לאמן רשת למידה עמוקה לבצע סיווג של תמונות. נחקור מספר שיטות עבודה:
– אימון של רשת חדשה "מאפס"
– Transfer Learning לרשת קיימת – בין אם רשת שניתן לטעון ל-MATLAB באמצעות פקודה אחת, או בין אם רשת שנייבא אל MATLAB מסביבת למידה עמוקה אחרת.
כחלק מהתהליך יודגמו גם Apps שימושיים כמו Deep Network Designer ו-Network Analyzer. הראשון הינו ממשק גרפי בו ניתן לבנות רשת מאפס (או לטעון רשת מוכנה), לערוך אותה, לנתח את הארכיטקטורה שלה (באמצעות ה-App השני) ולבצע את האימון שלה – מבלי לכתוב קוד

מרצה: רועי פן

30.4.20 - Speeding up Image Processing and Computer Vision algorithms

Speeding up Image Processing and Computer Vision algorithms
30.4.20 בשעה 14:00

בוובינר זה נלמד כיצד ניתן להאיץ אלגוריתמים מעולם עיבוד התמונה והראיה הממוחשבת.
בין השיטות שיוצגו:
• כתיבה יעילה יותר של קוד ה-MATLAB
• שימוש במיחשוב מקבילי על מספר CPUs
• שימוש במיחשוב מקבילי על GPU
• המרה אוטומטית של קוד ה-MATLAB לקוד C

מרצה: רועי פן

23.4.20 - Deep Learning for Computer Vision with MATLAB

Deep Learning for Computer Vision with MATLAB

תאריך: 23.4
שעה: 10:00-12:00

אג'נדה:
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, וידאו ועוד.
בהרצאה טכנית זו, נראה כיצד ניתן להשתמש בסביבת MATLAB בצורה יעילה בתחום הראיה הממוחשבת, לצורך פיתוח יישומי Deep Learning בעולם האמיתי. נראה כיצד ניתן בקלות:

• לנהל בצורה נוחה ויעילה כמויות עצומות של קבצי מידע.
• לבנות בצורה נוחה רשתות מתקדמות מותאמות-אישית ולאמן אותן לצורך ביצוע סיווג (Classification).
• לייבא רשתות מסביבות כמו PyTorch, Keras-TensorFlow ו- Caffe, ולבצע Transfer Learning בסביבת MATLAB.
• להשתמש בשיטות גילוי (Detection), רגרסיה וסגמנטציה-סמנטית 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.
• להשתמש ביכולות ויזואליזציה מתקדמות ובכוח חישובי חזק (GPU, אשכול מחשבים וענן).
• ליצור בצורה אוטומטית קוד CUDA או קוד C/++C מתוך קוד ה-MATLAB, לצורך הרצת הרשת המאומנת על גבי חומרה.

בהרצאה זאת יציג רועי פן,מהנדס אפליקציה מסיסטמטיקס חלק מהחידושים בתחום הלמידה העמוקה בגרסת R2020a.

8.9.20 - Style Transfer בעזרת Deep Learning בסביבת MATLAB

נושא:
Style Transfer בעזרת Deep Learning בסביבת MATLAB

Style Transfer היא טכניקה שבאמצעותה משנים את הסגנון של תמונה אחת בהתאם לסגנון של תמונה אחרת. למשל – לוקחים תמונה של מגדל אייפל והופכים אותה למעין ציור בסגנון שוינסנט ואן גוך היה מצייר.

מדובר בבעיית אופטימיזציה שבה מנסים לייצר תמונת מוצא שמאפייני התוכן שלה תואמים את אלה של תמונה אחת, ומאפייני הסגנון שלה תואמים את אלה של התמונה האחרת. ואת המאפיינים ניתן לחלץ מהתמונות בעזרת Deep Learning.

בוובינר נראה כיצד ניתן לבצע Style Transfer בסביבת MATLAB בצורה פשוטה, ונלמד, בין היתר, כיצד לבנות ממשק משתמש ידידותי בעזרת ה-App Designer, כיצד להציג בקלות תמונות Deep Dream, וכיצד לנתח רשתות עמוקות בעזרת ה-Network Analyzer.

מרצה ראשי: יואב ברסלר, מומחה צבע.
בשיתוף עם רועי פן, מהנדס יישומים בתחום ה-Deep Learning, סיסטמטיקס.

Object detection with Deep Learning in MATLAB

תיאור:

בוובינר זה נלמד כיצד לאמן רשת למידה עמוקה לבצע גילוי של אובייקטי עניין בתמונות. נסקור שיטות דוגמת SSD, YOLO ומשפחת גלאי RCNN. כחלק מהתהליך יודגמו גם ממשקי משתמש לביצוע תיוג נוח של תמונות וסרטוני וידאו, אשר מאוד מקלים על התהליך.

מרצה: רועי פן

14.7.20 - Training Deep Neural Networks with MATLAB for Computer Vision

תיאור:

בוובינר זה נלמד כיצד לאמן רשת למידה עמוקה לבצע סיווג של תמונות. נחקור מספר שיטות עבודה:

  • אימון של רשת חדשה "מאפס"
  • Transfer Learning לרשת קיימת – בין אם רשת שניתן לטעון ל-MATLAB באמצעות פקודה אחת, או בין אם רשת שנייבא אל MATLAB מסביבת למידה עמוקה אחרת.
    כחלק מהתהליך יודגמו גם Apps שימושיים כמו Deep Network Designer ו-Network Analyzer. הראשון הינו ממשק גרפי בו ניתן לבנות רשת מאפס (או לטעון רשת מוכנה), לערוך אותה, לנתח את הארכיטקטורה שלה (באמצעות ה-App השני) ולבצע את האימון שלה – מבלי לכתוב קוד

מרצה: רועי פן

עיבוד אות ומערכות תקשורת

PLL כדוגמא למערכת Mixed-Signal

תיאור:

איך לסמלץ PLL תוך 5 דקות, ללא כתיבת שורת קוד אחת !
כל מה שאתם צריכים זה datasheet… תוכלו לעשות התאמות, להעריך ביצועי זמן ותדר,
ולבחון השפעה על ביצועי המודל המערכתי

בוובינר זה נציג:

כמה פשוט למדל מערכת Mixed-Signal באמצעות מודלים התנהגותיים (Behavioral Models).
נשתמש ב-PLL של חברת SkyWorks כדוגמא. נדגים כיצד אותה גישה משמשת למידול דוגמים (ADC, DAC).
כיצד תוכלו להעריך במהירות השפעה של רכיבי Mixed-Signal על ביצועי כלל המערכת.

הוובינר מיועד למהנדסי מערכת ומהנדסי RF

פיתוח והטמעה של מודלי AI לאותות רפואיים באמצעות MATLAB - לחץ לצפייה

טכנולוגיות ה-AI בניתוח ועיבוד אותות תופסות תאוצה בשנים האחרונות, במיוחד עבור יישומים שונים כדוגמת זיהוי קולי, Digital Health, Healthcare IoT, ועוד.

בוובינר טכני זה, נציג כיצד MATLAB יכול להאיץ את פיתוח והטמעת מודלי ה-AI. נדגים את תהליכי העבודה עבור פיתוח מודל חיזוי עבור מערכת IOT רפואית מקצה לקצה.
נראה כיצד ניתן להשתמש בייצור קוד אוטומטי ל – GPU להטמעת אותם המודלים על רכיבי GPU וביניהם גם רכיבי embedded IOT נמוכי הספק כמו Jetson של nVIDIA.
לאורך כל הוובינר נראה דוגמא של אותות EKG.

הנושאים בהם יעסוק הוובינר:

  • תהליך עבודה של פיתוח מודל AI עבור קלסיפיקציה של אותות EKG (באמצעות Machine\deep learning )
  • תכנון אינטראקטיבי של רשתות באמצעות Deep Network Designer App
  • שימוש בטכניקות ייצור קוד ל GPU להטמעת טכניקות קלסיפיקציה לאותות EKG מקצה לקצה.
  • יכולות חדשות בסבית MATLAB שיכולות לסייע בפיתוח מערכות AI, כמו Annotation, Augmentation ועוד

הצטרפו ל-Kirthi Devleker, מנהל הפעילות העסקית של MathWorks לתעשיית הרפואה לשעה של למידה טכנית Online,
ותיווכחו כי הליך הפיתוח יכול להיות קצר ופשוט!

הערה: הוובינר יועבר באנגלית

18.5.20 - Communication toolbox useful applications

Communication toolbox useful applications
18.5.20 – שעה 14:00

Communication Toolbox includes some useful applications that can make the life of the communication engineer much easyer. In this webinar we will demonstarte some of them.

מרצה: ינון

11.5.20 - Signal Analyzer App

Signal Analyzer App
11.5.20 – בשעה 14:00

The Signal Analyzer app is an interactive tool for visualizing, preprocessing, measuring, analyzing, and comparing signals in the time domain, in the frequency domain, and in the time-frequency domain. In this webinar we shall demonstarte a typical workflow for inpecting, comparing and analyzing signals using the Signal Analyzer.

מרצה: ינון

27.4.20 - Signal Measurements and Feature Extraction in MATLAB

Signal Measurements and Feature Extraction in MATLAB
27.4 בשעה 14:00

Signal Processing Toolbox provides functions that let you measure common distinctive features of a signal both in time and in frequancy domains. In this webinar we will demonstarte some of these functions.

מרצה: ינון

26.8.20 - 5G Communications Link Analysis with Ray Tracing

לצפייה בוובינר באתר MathWorks לחצו כאן

תיאור:
אנליזת ההשפעה של התפשטות גלי RF במערכות מכ"ם ותקשורת אלחוטית דורשת הבנה מעמיקה של הקשר ההדדי בין האנטנה לסביבה

בוובינר הזה יוצג :

  • כיצד להעריך כיסוי וביצועי המערכת בעזרת MATLAB.
  • נמקם אנטנה ע"ג מפת תלת-מימד, נתחשב בטופוגרפיה, תכסית ומאפיינים אטמוספריים.
  • איך להשתמש ב-beamforming כדי לשפר כיסוי וביצועי מערכות תקשורת הפועלות בתדרי הגלים המילימטריים.
  • איך להשתמש באלגוריתמי Ray-Tracing לניתוח תרחישים אורבניים במערכות 5G.

הוובינר באתר MathWorks

24.7.20 - 5G Beamforming Design

לצפייה בוובינר באתר MathWorks לחצו כאן

תיאור:

5G Beamforming Design  

Beamforming מסתמן כפתרון החסכוני ביותר מבין טכניקות ה-MIMO למערכות 5G

בוובינר הזה יוצג פתרון Beamforming למערכת 5G מקצה לקצה:

  • ייצור מהיר של אותות 5G תקניים
  • מידול ערוץ
  • תכן מערכי אנטנות
  • גישת מידול ל-Hybrid Beamforming
  • תכן ראש RF ורשתות תאום למערכי אנטנות

הוובינר באתר MathWorks

6.7.20 - הטמעת אלגוריתמי עיבוד אות על FPGA ע"י יצירת קוד HDL אוטומטית

תיאור:

כיצד להאיץ את תהליך הטמעת קוד החומרה ובדיקת האלגוריתם שלך על FPGA

בוובינר זה נסביר :

כיצד לייצר בקלות קוד HDL קריא וסינתזבילי מאלגוריתמים. קוד ה-HDL זה מתאים הן לבניית אבטיפוס על ASIC או FPGA, והן עבור ייצור.

התהליך שיוצג כולל:

כיצד לייצר אלגוריתם שכולל סטרימינג של מידע בעזרת Simulink
מימוש ארכיטקטורת חומרה
המרה אוטומטית (או ידנית) ל-Fixed Point
יצירה וסינתזה של קוד HDL בכמה לחיצות עכבר.

5.4.20 - מה חדש בכלי עיבוד האות ב-MATLAB ו-Simulink

מה חדש בכלי עיבוד האות ב-MATLAB ו-Simulink

5.4 בין השעות 14:00-15:00

בכל שנה יוצאות 2 גרסאות של MATLAB, שכוללות חידושים לכל הכלים.
במפגש זה נראה את החידושים המרכזיים בשנתיים האחרונות בתחום עיבוד האות.
יש לכם Signal Processing Toolbox או DSP System Toolbox? המפגש הזה הוא בשבילכם!

מרצה: ינון נוסבאום, מהנדס יישומים, סיסטמטיקס

29.3.20 - תכנון פילטרים בסביבת MATLAB

תכנון פילטרים בסביבת MATLAB

29.3.20 בין השעות 14:00-15:00

תכנון ועבודה עם מסננים (filters) הוא חלק בסיסי ומהותי מעבודת המתכנן בתחום עיבוד האות. במפגש זה נראה חלק מהחידושים בכלי התכן של MATLAB ו-Simulink, אשר מפשטים את העבודה בעזרת Apps. מי שעובד עדיין עם fdatool – היכונו להיות מופתעים!

מרצה: שלומי שרגא , מהנדס יישומים, סיסטמטיקס

1.4.20 - שימוש בטבלאות זמנים (TimeTables) בסביבת MATLAB

שימוש בטבלאות זמנים (TimeTables) בסביבת MATLAB

1.4 בין השעות 14:00-15:00

לפני מספר שנים התווספה ל-MATLAB היכולת לשמור מידע בצורה של TimeTable – טבלה שהעמודה הראשונה שלה היא זמן המדידה.
במפגש זה נראה מדוע חשוב שתכירו יכולת זו, פונקציות שיסייעו לכם בתהליך, וכמה טיפים וטריקים לגבי שימוש ביכולת זו.

מרצה: לורן סממה , מהנדסת יישומים, סיסטמטיקס

31.3.20 - תמיכה טכנית בסביבת MATLAB – איך? מתי? מי?

תמיכה טכנית בסביבת MATLAB – איך? מתי? מי?

31.3 בין השעות 14:00-15:00

כחלק מרכישת הרישיון, זכאי כל לקוח שלנו לפתוח קריאות שירות, ולקבל מענה טכני ומקצועי בכל נושא הקשור לכלים אלו: איך להתקין, איך לכתוב קוד נכון, איך  להתמודד עם שגיאות ותקלות ועוד.
הצטרפו למפגש זה בכדי לראות מדוע כדאי לכם לעשות זאת, וכיצד תקבלו מענה מהיר ואיכותי.

מרצה: הגר חן, מהנדס יישומים, סיסטמטיקס

30.3.20 - מעבר מ-GUIDE ל-AppDesigner בקלות ובמהירות באמצעות MATLAB

מעבר מ-GUIDE ל-AppDesigner בקלות ובמהירות באמצעות MATLAB

30.3 בין השעות 14:00-15:00

בשנת 2016 שדרגה MathWorks את כלי תכנון ה-GUI שלה מסביבת GUIDE לסביבת ה-AppDesigner. במפגש זה נראה מהי הדרך הקלה והפשוטה לעבור לכלי המתקדם, האינטואיטיבי והייעודי של MATLAB, ואיך חוסכים זמן רב בתהליך. מתאים גם למי שלא עובד עדיין עם ה-AppDesigner. אגב, יש לנו גם סרטון בנושא ה-appdesigner, שתוכלו לצפות בו לפני מפגש זה.

מרצה:הגר חן , מהנדס יישומים, סיסטמטיקס

וובינרים בנושאים מגוונים

ייצור קוד C מקוד MATLAB באופן אוטומטי, זה אפשרי

תיאור:

כיצד ניתן לקחת קוד MATLAB ולייצר ממנו קוד יעיל ומהיר, שעושה שימוש בכל יכולות המעבד עליו הוא רץ, וכל זאת – בצורה אוטומטית?

מטרת וובינר זה, היא לקחת אתכם דרך השלבים הראשוניים של הפיכת קוד MATLAB לקוד שרץ על סביבת מעבד.

נדון בלמה ואיך עושים זאת, על מה חשוב להסתכל ולעדכן כשנוקטים בגישה הזאת ואיך זה יכול לחסוך זמן,

הנושאים בהם נתמקד הם:

  • המרה אוטומטית של קוד MATLAB לקוד C/C++/CUDA
  • אינטגרציה עם קוד C קיים
  • שיטות שונות לשליטה בנראות הקוד המיוצר
  • דוגמאות וטיפים ליצירת קוד תוכנה אופטימלי ולשיפור הביצועים שלו.

הצטרפו ללורן סממה, לשעה של למידה בנושא המרת קוד באופן אוטומטי – הדרך הקלה והנוחה ליצירת קוד embedded מתוך MATLAB.

עם הכלים והמידע שתקבלו באירוע זה, תוכלו מיד להתחיל לעבוד עם טכנולוגיה זו ולקדם את תהליך הפיתוח שלכם.

יישומי בקרת מנוע ביישומים רפואיים באמצעות כלי MATLAB & Simulink

במכשור רפואי עושים שימוש נרחב במנועים בתור המפעילים והמניעים של המכשור השונה. קיימים מנועים מסוגים שונים כגון: מנועי צעד (Stepper), מנועי סרוו (Servo) שמתוכננים

במספר של סוגים ושל טכנולוגיות. מנועים אלו נשלטים ומבוקרים בעזרת תוכנה המבקרת את המיקום, מהירות והמומנט המיוצר.

בוובינר זה נציג כיצד ניתן לתכנן אלגוריתם למערכת בקרה של מנוע מסוג PMSP (Permanent Magnet). נראה כיצד מבצעים פרמטריזציה למנוע, מתכננים את ה-PWM, ומכיילים בקר PID בצורה אוטומטית בחוג סגור. נראה גם כיצד ניתן לבחון

את מקטע התוכנה שמיוצר בצורה אוטומטית בגישת Processor-in-the-Loop.

הנושאים שיוצגו ב-webinar:

  • מידול של מנוע חשמלי ליישומי מכשור רפואי בסביבה רב-תחומית
  • כוונון פרמטרי המנוע בצורה אוטומטית מתוך מדידות
  • פיתוח מערכת בקרה בחוג סגור
  • יצירת קוד בצורה אוטומטית למגוון רחב של מעבדים ומיקרוקונטרולרים
  • פיתוח סביבת בדיקות באמצעות חומרה של Speedgoat

הצטרפו ל-Shang-Chuan Lee, מהנדס יישומים בכיר של חברת  MathWorks ל-45 דקות של למידה טכנית  Online, ותיווכחו כי הליך הפיתוח יכול להיות קצר ופשוט!

הערה: הוובינר יועבר באנגלית

ThingSpeak IoT Platform- אנליזות מבוססות MATLAB

20.5.20 - Digital Twin for Predictive maintenance

Digital Twin for Predictive maintenance
20.5.20 – בשעה 14:00

Digital Twin modeling allows you to test your model behaviour with existing data and generate failure data (which can be difficult to obtain). Physical simulations can be used to create synthetic data with a variety of failure conditions. With the increasing popularity of AI, new frontiers are emerging in predictive maintenance and manufacturing decision science. Ingesting high-frequency data from many sensors (IOT), where time-alignment makes it difficult to design a streaming architecture. This talk will focus on building a system to address these challenges using MATLAB & Simulink. You’ll see: (A) Physical model of an engineering asset and how to develop a machine learning model for that asset. (B) How and where the physical model can deploy, connect your HW & how to accelerate the model runtime.

מרצה: איתמר

19.5.20 - Predictive Maintenance with MATLAB

Predictive Maintenance with MATLAB
19.5.20 בשעה 14:00

כבר מספר שנים שבעולם מתפתח תחום האחזקה המונעת למערכות. האחזקה המונעת מאפשרת לדוגמא לבצע טיפול לרכב רק כשצריך – בהתאם למאפייניי הנסיעה של הנהג, מספר הקילומטרים שנסע הרכב, מצב השמן והרכיבים, במקום לבצע טיפול לרכב כל XXX ק”מ. מעבר לחסכון הכספי הפוטנציאלי במתן טיפול רק כשיש צורך בכך – רמת המהימנות של המערכת עולה, ניתן לצפות תקלות לפני שהן קורות, ולהיערך לוגיסטית לפעולות אחזקה בצורה טובה יותר. המטרה היא להבין ולחזות מתי יופיעו בעיות במערכת, על מנת לתכנן את עיתוי טיפולי התחזוקה באופן חכם. בהרצאה זו נראה כיצד ניתן לבצע תכנון של אחזקה מונעת. ע”י שימוש בדוגמא של מערכת אלקטרו-מכנית, נראה כיצד ניתן לבנות מודל דיגיטלי של המערכת, ולעדכן אותו בהתאם לאופי השימוש במערכת בעולם האמיתי, ונראה כיצד הכלי Predictive Maintenance, יחד עם שאר כלי MATLAB מאפשרים לנו לחזות בצורה טובה את התנהגות המערכת ולמנוע כשלים עתידיים.

מרצה: לורן

17.5.20 - Handling missing data and values

Handling missing data and values
17.5.20- בשעה 14:00

כשעובדים עם מידע מסוגים שונים, אחד הדברים הכי בסיסיים הוא איך להתמודד עם מידע שחסר או מידע שחורג, בכדי שלא יפריעו לתהליך כולו. בהרצאה זו נציג כיצד עושים שימוש בפונקציות מובנות בסביבת MATLAB בכדי לחסוך זמן ומאמץ. והכל כמובן בצורה גרפית שניתן להמיר לקוד מטלבי בפשטות.

מרצה: עמית

10.5.20 - Importing data into MATLAB

Importing data into MATLAB
10.5.20 – בשעה 14:00

לסביבת MATLAB ניתן לטעון מידע ממקורות מידע רבים. בהרצאה זו נסקור מספק מקורות מידע אלו, ונראה כיצד ניתן לעשות שימוש בכלים מובנים ופשוטים לצורך כך

מרצה: הגר

4.5.20 - Fixed point design in MATLAB and Simulink

Fixed point design in MATLAB and Simulink
4.5.20 – בשעה 14:00

בהרצאה זו נראה כיצד ניתן לממש וליישם אלגוריתמים בשיטת הנקודה הקבועה, שהיא שלב חיוני והכרחי בדרך למימוש חומרתי

מרצה: רון

3.5.20 - Symbolic Math in MATLAB

Symbolic Math in MATLAB
3.5.20 – בשעה 14:00

בהרצאה זו נראה כיצד ניתן לפתור משוואות מתימטיות בצורה סימבולטית (אנליטית), וכיצד שימוש במשתנים סימבוליים יכול לסייע לקצר את תהליך הפיתוח

מרצה: הגר

26.4.20 - Configuration and source Control with MATLAB Projects

Configuration and source Control with MATLAB Projects
26.4.20 – בשעה 14:00

האם ידעת כי בסביבת MATLAB ניתן לנהל את כל קבצי הפרויקט, לבצע ניהול גרסאות, ואף להתחבר למערכות כמו GIT -SVN? בהצראה זו נראה כיצד עושים זאת הלכה למעשה

מרצה: לורן

10.9.20 - 21 MATLAB Features You Need Now

תיאור:

21 MATLAB Features You Need Now

הוובינר באתר MathWorks

11.8.20 - ייצור קוד C מקוד MATLAB, זה אפשרי !

תיאור:

כיצד ניתן לקחת קוד MATLAB ולייצר ממנו קוד יעיל ומהיר, שעושה שימוש בכל יכולות המעבד עליו הוא רץ, וכל זאת – בצורה אוטומטית?

מטרת וובינר זה, היא לקחת אתכם דרך השלבים הראשוניים של הפיכת קוד MATLAB לקוד שרץ על סביבת מעבד.

נדון בלמה ואיך עושים זאת, על מה חשוב להסתכל ולעדכן כשנוקטים בגישה הזאת ואיך זה יכול לחסוך זמן,

הנושאים בהם נתמקד :

  • המרה אוטומטית של קוד MATLAB לקוד C/C++/CUDA
  • אינטגרציה עם קוד C קיים
  • שיטות שונות לשליטה בנראות הקוד המיוצר
  • דוגמאות וטיפים ליצירת קוד תוכנה אופטימלי ולשיפור הביצועים שלו.

הצטרפו ללורן סממה, לשעה של למידה בנושא המרת קוד באופן אוטומטי – הדרך הקלה והנוחה ליצירת קוד embedded מתוך MATLAB.

עם הכלים והמידע שתקבלו באירוע זה, תוכלו מיד להתחיל לעבוד עם טכנולוגיה זו ולקדם את תהליך הפיתוח שלכם.

צפו בסרטון קצר שמסביר כיצד ניתן להתקין גרסת נסיון של MATLAB מהבית, ולעשות צעדים ראשונים בסביבה מדהימה זו !