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


    Deep Learning בסביבת MATLAB

    למידה עמוקה (Deep Learning) היא ענף של למידת מכונה (Machine Learning), והיא הפכה בשנים האחרונות לנושא מאוד חם הודות לכך שהטכניקה הזו מאפשרת לפתור בצורה איכותית בעיות מורכבות.

    בלמידה עמוקה ניתן ללמוד ייצוגים שימושיים של פיצ'רים ישירות מתוך תמונות, טקסטים ואותות חד-ממדיים – דבר המקנה לטכניקה הזו יתרונות רבים.

    הלמידה הנ"ל מתבצעת באמצעות שימוש ברשת עצבית אשר מאומנת עם אוסף גדול של מידע, שבעזרתו הרשת לומדת ייצוגים עשירים של פיצ'רים, אשר מניבים ברוב המקרים תוצאות טובות יותר מאלה שמניבים פיצ'רים מסורתיים.

    למה להשתמש בלמידה עמוקה לפתרון בעיות הנדסיות מעשיות. צפו בסרטון.

    מה זה למידה עמוקה?
    צפו בסרטון.

    וובינרים מוקלטים לצפייה בנושא Deep Learning

    מדוע לבצע Deep Learning עם MATLAB?

    מזה מספר שנים ניתן להפעיל טכניקות למידה עמוקה בסביבת MATLAB, וליהנות מיתרונות רבים:

    • אפשרות לביצוע סימולציה ובדיקות ברמת המערכת המלאה בעזרת סביבת Simulink, אשר יכולה לסייע גם ביצירה/סימולציה של ה-Data  הדרוש (קישור).
    • תוכנה בעלת שלבי פיתוח "מסודרים" וצוותי הנדסת איכות מקצועיים (בקשות ליכולות חדשות נבחנות, ככל שמתגלים באגים הם מטופלים, וכל הכלים מהתחומים הנוספים שהוזכרו לעיל עובדים יחד זה עם זה).
    • ממשק יציב, תאימות לאחור ותמיכה מלאה במערכת ההפעלה Windows בנוסף לתמיכה במערכות הפעלה אחרות.
    • יכולות ויזואליזציה ודיבאגינג – צפיה ב-Activations, הצגתDeep Dream Images , צפיה במשקולות, בחינה של התקדמות האימון בכיוון הנכון, תצוגה גרפית של הרשת וניתוח שלה לצורך איתור בעיות אפשריות לפני ביצוע האימון, הצגת Class Activation Mapping ושימוש בטכניקתGrad-CAM , ניתוחיOcclusion Sensitivity , שימוש בטכניקת LIME, יצירת Confusion Matrices מתקדמות וכו'…
    • תיעוד מקיף וברור ומאות דוגמאות מוכנות לשימוש במגוון תחומי יישום, כמיטב המסורת של סביבתMATLAB . לעמוד הבית של תחומי היישום השונים, ממנו ניתן להגיע לפקודות חשובות, Apps רלוונטים ודוגמאות שימושיות עבור תחום היישום שלכם – לחצו פה. ול-Repositories ייעודיים לתחום הלמידה העמוקה ב-GitHub  –  לחצו פה.
    • תמיכה טכנית מקצועית בטלפון 03-7660111 או באתר, לבעלי רישיון תחת חוזה שירות, ושירותי ייעוץ לפרויקטים מורכבים.
    • אפשרות להמיר בצורה אוטומטית את קוד ה-MATLAB  ומודלי ה-Simulink  לקוד CUDA  מהיר וחסכוני בזיכרון לצורך מימוש על מערכות Embedded או לקוד C++ עבור מעבדים של אינטל ופלטפורמות ARM או לקוד HDL עבור FPGAs ו-SoCs . ניתן גם לשלוח את האלגוריתם השלם לרוץ על PC אחר, מערכת אנטרפרייז, Edge Device או ענן.
    • אפשרות לייבא לתוך MATLAB מודלים שפותחו ואומנו בסביבות Deep Learning  אחרות ולייצא מודלים מ-MATLAB  אליהן (באמצעות פורמט ONNX או דרך  Importer-ים ישירים, למשל ל-TensorFlow).
    • נוחות עבודה – הודות לשימוש בסביבת פיתוח עשירה המיועדת למהנדסים ומדענים.
    • כל תהליך הפיתוח בתחום הלמידה העמוקה יכול להתבצע בסביבה משולבת אחת (משלב היצירה/ההכנה של ה-Data , דרך אימון הרשת ועד להורדתה אל חומרה), אשר גם כוללת כלים מתחומים נוספים, ובכך מאפשרת לפתח מוצר שלם (כלומר – לא לבצע רקDeep Learning , אלא הרבה מעבר לכך, ולבצע deployment ליישום כולו).

    לאור כל זאת ועוד, אין זה מפתיע שחברת המחקר והייעוץ בטכנלוגיית המידע Gartner, אשר מייעצת באופן אובייקטיבי ליותר מ-15,000 חברות ברחבי העולם, קבעה כי MATLAB היא פלטפורמה מובילה בתחום ה-AI (לחצו לקבלת המחקר).

    לצפיה בסיפורי משתמשים ישראלים:

    איך מתחילים?

    הורדת גרסת ניסיון חינמית

    להורדת גרסת ניסיון חינמית ללא התחייבות:

    לחצו כאן

    מדריך hands-on מקוון חינמי

    למדריך hands-on מקוון חינמי עם מגוון דוגמאות מעשיות:

    לחצו כאן

    קורס אינטראקטיבי וחינמי

    לקורס אינטראקטיבי וחינמי של כ-2-3 שעות בנושא ביצוע למידה עמוקה עם MATLAB, שלא מצריך התקנה של MATLAB על המחשב או אפילו רישיון:

    לחצו כאן

    מקורות מידע נוספים:

    וובינרים מוקלטים לצפייה

    למידה עמוקה עבור מערכות תקשורת אלחוטיות

    מערכות תקשורת אלחוטיות פועלות בסביבות שהופכות למורכבות ומאתגרות יותר ויותר, כאשר למערכות אלו יישומים רבים ומגוונים.
    רשתות למידה עמוקה יכולות לעזור ולשפר את ביצועי המערכות הללו.

    גילוי אובייקטים במידע Lidar באמצעות למידה עמוקה

    חיישני Lidar נעשים יותר ויותר פופולרים בשנים האחרונות, כשהשימוש הכי בולט בהם הוא בתחום המערכות האוטונומיות. במכוניות חכמות, למשל, לצד Lidar משתמשים גם בחיישנים מסוגים נוספים, כמו מצלמה ומכ"ם, כדי להבין טוב יותר מה קורה בסביבה של הכלי, אבל להבדיל מהחיישנים הללו, ה- Lidar עובד מעולה גם בחושך או בתנאי מזג אויר גרועים, והוא נותן רזולוזציה טובה ודיוק גם עבור אובייקטים מרוחקים. משתמשים ב- Lidar גם עבור ניווט ומיפוי, ורואים יישומים של Lidar ברובוטיקה, כלי טיס לא מאויישים ועוד...לצפייה>>

    Deep Learning עם MATLAB  או קוד פתוח? או גם וגם? (יוני 2021)

    בהרצאה זו נעמוד על ההבדלים בין הסביבות ה"חינמיות" לבין MATLAB, ונראה מתי נכון להשתמש בכל אחת בנפרד, מתי מומלץ לשלב בין סביבות על מנת ליהנות מכל העולמות, וכיצד לעשות זאת. לצפייה>>

    למידה עמוקה עבור מערכות תקשורת (מרץ 2021)

    בהרצאה זו נדגים איך ניתן להשתמש ביכולות הלמידה העמוקה בסביבת MATLAB על מנת לסווג באופן אוטומטי אפנון של אותות תקשורת הנקלטים באנטנה ועל מנת לזהות ולסווג באופן אוטומטי מטרות מכ"ם. לצפייה>>

    חידושים ומגמות עתידיות בתחום הבינה המלאכותית (מרץ 2021)

    תחום הבינה המלאכותית משתנה בצורה דרמטית מידי יום. בהרצאה זו נסקור חידושים ומגמות עתידיות בכלי MathWorks בעולמות הבאים – למידת מכונה (Machine Learning), למידה עמוקה (Deep Learning), ולמידת חיזוק (Reinforcement Learning). לצפייה>>

    ניתוח תמונות רפואיות באמצעות למידה עמוקה – סגמנטציה סמנטית של החדר השמאלי בתמונות MRI של הלב (אפריל 2021)

    נדגים כיצד אפשר לבצע בצורה אוטומטית סגמנטציה סמנטית (Semantic Segmentation) של החדר השמאלי בתמונות MRI של הלב, ולהוריד במהירות את הרשת המאומנת ל-production. במהלך ההדגמה נדון באתגרים השונים הניצבים בפני כל העוסקים בתחום הלמידה העמוקה, ונסביר כיצד MATLAB מאפשרת להתגבר עליהם ולקבל תוצאות איכותיות יותר, מהר יותר, ובקלות. לצפייה>>

    מימוש בינה מלאכותית על חומרת Embedded (מרץ 2021)

    בהרצאה זו נראה את יכולות ההמרה האוטומטית של קוד MATLAB לקוד C / C++ / CUDA / VHDL המשיגות inference בקצב גבוה יותר מפי 2 מאשר זה שמושג על ידי סביבות למידה עמוקה אחרות. נדגים הלכה למעשה כיצד ניתן לקחת רשתות מאומנות או אלגוריתם הכתוב בשפת MATLAB, וליישם את הכל על חומרה לטובת הרצה בזמן-אמת. לצפייה>>

    Machine Learning workflow with MATLAB (August 2020)

    Machine Learning workflow with MATLAB למידת מכונה היא מנוע לחדשנות בתחומים יישומיים רבים, כולל תחזוקה מונעת, ערכות בריאות דיגיטליות ומעקב אחר מטופלים, חיזוי מגמות פיננסיות וסיוע אוטומטי לנהגים ברכב. לצפייה>>
    Load more

    פוסטים מבלוג MATLAB and Simulink

    מה חדש במערכות אוטונומיות בגרסה R2022a

    בואו להכיר את החידושים בגרסה R2022a, שיכולים לקצר את זמני הפיתוח שלכם ולהקל על תהליך העבודה! בפוסט זה אסקור בקצרה את השינויים המרכזיים בגרסה R2022a בכל הקשור למערכות אוטונומיות - עדכונים בכלים בתחום הרובוטיקה, התעופה והנהיגה האוטונומית.
    30 ביוני 2022/על ידי גילי בן מימון

    מה חדש בתחום עיבוד האותות בסביבת MATLAB בגרסה R2022a?

    גרסת R2022a של Signal Processing Toolbox כוללת יכולות חדשות, בייחוד באפליקציות ניתוח האותות ותיוג האותות, ובהוספת פונקציות התומכות ביצירת קוד ++C/C ובהרצה ע"ג GPU. בפוסט הזה נראה את עיקר החידושים.
    23 ביוני 2022/על ידי ינון נוסבאום

    שדרוג העבודה באמצעות שימוש בגרסה העדכנית ביותר של MATLAB

    הפלטפורמה של MATLAB טומנת בחובה הרבה דברים שלא הכרתם. מגרסה לגרסה ישנם שיפורים ועדכונים שיכולים לעזור ולשפר את הקוד בצורה משמעותית! קראו את הפוסט על מנת לגלות את הכלים שיעזרו לכם להשתדרג בקלות ובמהירות!
    22 ביוני 2022/על ידי מורן גולדמברג

    היתוך מידע מחיישנים ויכולות עקיבה עבור מערכות אוטונומיות

    עולם המערכות האוטונומיות מורכב מתחומים רבים, בבסיס יכולות האוטונומיה נמצאים החיישנים. הינכם מוזמנים לגלות את עולם החישה אשר יש לחברת MathWorks להציע, להכיר יכולות מרכזיות ומה ניתן לעשות איתן הלאה.
    11 במאי 2022/על ידי אסף מוזס

    מה חדש בתחום ה-Lidar בסביבת MATLAB בגרסת R2021b?

    Lidar Toolbox של MATLAB כולל בתוכו אלגוריתמים, פונקציות ואפליקציות שנועדו לתכנון, ניתוח ובחינה של מערכות עיבוד Lidar.
    16 במרץ 2022/על ידי ינון נוסבאום

    מה חדש בגרסת R2021b של MATLAB

    בגרסת R2021b של תוכנת MATLAB, כמו בכל גרסה חדשה, הוצגו מאות פונקציות ויכולות חדשות. בפוסט זה נסקור את היכולות העיקריות שנוספו בגרסה זו לסביבת הפיתוח של MATLAB.
    16 במרץ 2022/על ידי ינון נוסבאום

    מה חדש בסביבת Simulink בגרסת R2021b?

    Simulink היא סביבה מולטי דיסציפלינרית שמאחדת תחומים רבים, החל מהנדסת מערכת, דרך תכן וייצור קוד ועד בדיקות. בגרסה R2021b התווספו יכולות רבות, ובפוסט זה נתמקד בעיקריות שבהן.
    20 בינואר 2022/על ידי אוראל לוי

    Verification and Validation – האם אנחנו במסלול הנכון?

    "סליחה, זה מה שהתכוונת, נכון?" "זה נראה לך בסדר?" "הלוואי שהיה אפשר פשוט ללחוץ על כפתור ולדעת אם המערכת עובדת כמו שהתכוונו" ...
    14 בדצמבר 2021/על ידי אוראל לוי
    Load more

    מקורות מידע באנגלית

    למידה עמוקה ליישומי ראיה ממוחשבת עם MATLAB
    למידה עמוקה ליישומי עיבוד אות עם MATLAB
    עמוד הבית “MATLAB for Deep Learning” באתר MathWorks