בקשות ושאלות

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


    וובינרים מקצועיים
    ב-MATLAB & Simulink
    לצפייה:

    תכנון מבוסס-מודל (MBD) בסביבת Simulink  |  למידה עמוקה ולמידת מכונה

    עיבוד אות ומערכות תקשורת   |   עיבוד תמונה וראייה ממוחשבת 

    וובינרים בנושאים מגוונים

    למידה עמוקה ולמידת מכונה

    תיאור:
    סיווג של מודלים תלת מימדיים בעזרת למידה עמוקה

    הייצוג הנפוץ ביותר של צורות תלת מימדיות בגרפיקה ממוחשבת הוא באמצעות Triangle Mesh. בשיטה זו מייצגים את הצורות על ידי משולשים המחוברים זה לזה במרחב התלת מימדי.

    בהרצאה נסקור כיצד שיטת ייצוג זו ניתנת לשימוש לצורך סיווג של מודלים תלת מימדיים בעזרת למידה עמוקה בסביבת MATLAB.
    ההרצאה תתבסס על גישת MeshWalker של אלון להב ואיילת טל מהטכניון, אשר לומדת את הצורה ישירות מתוך Mesh נתון. הנ"ל מתבצע באמצעות ייצוג של ה-Mesh על ידי הליכות אקראיות על המשטח, אשר מוכנסות לתוך רשת בעלת זיכרון אשר "זוכרת" את ההיסטוריה של ההליכה. אחד מיתרונותיה של גישה זו הוא שגם מספר מועט של דוגמאות הינו מספיק לצורה למידה איכותית.
    במסגרת הוובינר יוסבר הרקע התיאורטי של השיטה וכן תוצג דוגמה מעשית כולל בניה של רשת ואימון מהיר שלה באמצעות MATLAB.

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

    תיאור:
    למידה עמוקה ליישומי עיבוד אות

    השימוש בטכניקות AI עבור אותות הולך ותופס תאוצה בשנים האחרונות במגוון רחב של יישומים, כגון תקשורת, טכנולוגיות הגנה, מוצרי אלקטרוניקה ועוד.

    בוובינר זה נדגים:

    • כיצד ניתן להשתמש בגישת ה- Deep learning -באמצעותMATLAB   לצורך יישומי עיבוד האות.
    • כיצד לדמות אותות תקשורת ריאליסטיים ולעבד אותם.
    • איך לבנות מודלי חיזוי לאותות באמצעות שימוש במודלי CNN ו-LSTM.

    נבחן את המודלים שנבנה ונשתמש בהם לסיווג אותות שונים.

    הטכניקות שיכוסו במפגש זה ניתנות ליישום על כל סוגי האותות.

    המפגש מיועד לכל מי שמתעסק בעולם זה, או מתעניין בדרכים בהן ניתן להשתמש בשיטות  Deep learningעבור אותות בקלות וביעילות.

    הצטרפו  לינון נוסבאום , מהנדס יישומי עיבוד אותות ותקשורת, סיסטמטיקס לוובינר שיעזור לכם בעבודה היומיומית שלכם


    במידה ונרשמת ולא הצלחת לצפות בוובינר תוכל לצפות בהקלטה שלו שתשלח אליך בסיומו.

    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

    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

    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

    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

    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

     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

    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.

    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

    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.

    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.

    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

    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

    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

    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 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

    תיאור:
    פיתוח יישומי רובוטיקה תעשייתיים באמצעות MATLAB ו- Simulink

    רובוטיקה אוטונומית דורשת ידע וניסיון בתחומי הנדסה רבים הכוללים תכנון מכני ואלקטרומכני, חישה, תפיסה, קבלת החלטות, בקרה ויצור קוד למערכות משובצות-מחשב.

    בוובינר זה יציג אסף מוזס, מהנדס בכיר בסיסטמטיקס, את התהליך השלם לפיתוח רובוטים אוטונומיים בתעשייה, תהליך המאפשר למהנדסים ללמוד וליישם בקלות את התחומים הפונקציונליים הרבים של עולם הרובוטיקה.

    הוובינר יתמקד בפיתוח אפליקציית זרוע רובוטית המבצעת pick-and-place ויסקור יכולות המאפשרות להופכה למערכת אוטונומית: פלטפורמה, חישה, תפיסה, תכנון ובקרת מסלול וקישוריות.

    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

    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

    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.

    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.

    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

    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

    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

    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

     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

    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

    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.

    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.

    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

    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

    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.

    הצטרפו לרון איליזרוב ל-45 דק של למידה ממוקדת שבסופה תוכלו ליישם בקלות לעבודתכם.

    במידה ונרשמת ולא הצלחת לצפות בוובינר תוכל לצפות בהקלטה שלו שתשלח אליך בסיומו.

    תיאור:

    שם הוובינר: עיבוד אות ולמידה עמוקה לסיגנלים רפואיים

    השימוש בטכניקות בינה מלאכותית עבור אותות הולך וגובר בענפים שונים עבור מגוון רחב של יישומים. רבים מהיישומים הללו הם בתחום הרפואי לדוגמה ניתוח אותות פיזיולוגיים וניטור מטופלים. בוובינר זה, נשתמש באותות פיזיולוגים על מנת להמחיש את השימוש הפרקטי בגישת ה- Deep learning באמצעות MATLAB.

    בוובינר זה נלמד על:

    • תיוג יעיל ואינטראקטבי של אותות פיזיולוגים באמצעות ה-Signal Labeler App.
    • חילוץ מאפייני זמן-תדר בצורה ידנית ואוטומטית.
    • תכנון רשתות בצורה אינטראקטיבית על ידי ה- Deep Network Designer App ואופטימיזציה של היפרפרמטרים.

    הצטרפו להגר חן ל 45 דק של למידה ממוקדת שתוכלו לאמץ לעבודה היומיומית שלכם.

    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

    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

    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

    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

    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

    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

    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

    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.

    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

    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

    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

    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

    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

    תיאור:
    טכניקות מתקדמות לאיפיון ושיפור ביצועי קוד MATLAB שרץ בצורה מקבילית

    בוובינר זה נראה יכולות מתקדמות להרצה מקבילית של קוד MATLAB.
    נציג כיצד ניתן לאפיין ולשפר ביצועים עבור קוד שרץ באופן מקבילי.

    הנושאים בהם נתמקד :

    • איפיון ושיפור ביצועים של קוד MATLAB שרץ באופן מקבילי (MPI profile).
    • חלוקת עבודה נכונה בין מספר ליבות הCPU.
    • שליטה בצורת ההרצה המקבילית של קוד MATLAB (SPMD).
    • שילוב יכולות המקבול של MATLAB גם על גבי תצורת Cluster המונה מספר של שרתים/תחנות עבודה.

    מרצה: עמית קפלן

    ** מומלץ לצפות תחילה בוובינר האצת ביצועים של קוד MATLAB באמצעות חישוב מקבילי – לחצו כאן!

    תיאור:
    האצת ביצועי קוד MATLAB באמצעות חישוב מקבילי

    הצטרפו אלינו לסדרת וובינרים אשר יעסקו בהאצה ושיפור ביצועים של קוד MATLAB בעזרת חישוב מקבילי.
    נבחן כיצד ניתן לפתור בעיות חישוביות אינטנסיביות באופן מיטבי על פני מספר ליבות מעבדים של ה-CPU או בעזרת GPU.
    בנוסף, נתעמק בטכניקות המרה של קוד הרץ באופן טורי לחישוב מקבילי ונציג כיצד ניתן להריץ קוד MATLAB בתצורות Cluster מבוזרות על גבי מחשבים, שרתים או בענן.

    בוובינר זה נלמד כיצד ניתן לשפר ביצועים וזמני ריצה של קוד MATLAB בעזרת ניצול מקסימלי של כוח מחשוב קיים.

    הנושאים בהם נתמקד :
    • האצת ושיפור ביצועים של קוד MATLAB בעזרת חישוב מקבילי.
    • שיטות שונות להפעלת חישוב מקבילי על גבי חומרות שונות (CPU,GPU).
    • התמודדות עם האתגרים שעומדים בפנינו בעבודה עם מאגרי מידע גדולים מאוד.
    • דוגמאות וטיפים להמרת קוד מחישוב טורי למקבילי.

    וובינר שני בסדרה בנושא טכניקות מתקדמות לאיפיון ושיפור ביצועי קוד MATLAB שרץ בצורה מקבילית ישודר ב- 4.11 באותה שעה.

    מרצה: עמית קפלן

    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.

    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

    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

    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

    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

    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

    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

    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

    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

    תיאור:

    21 MATLAB Features You Need Now

    הוובינר באתר MathWorks

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

    אירוע למוצרי MathWorks שהסתיים

    שם האירוע (לחץ לקבלת פרטים) מועד מיקום הרשמה
    MATLAB  עולה על מדים 2020 4.3.20 בית ציוני אמריקה,
    ZOA , ת"א    		  הסתיים
    היכנסו לאירועים בשנת 2019