DATA Analytics בסביבת MATLAB

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


    MATLAB Compiler Runtime – עכשיו באריזה קומפקטית !

    /
    אז כבר כתבתם אפליקציה מושלמת ב-MATLAB ואתם רוצים שכל העולם יוכל ליהנות ממנה בלחיצת כפתור... אבל איך? איך נדאג לשמור עליה ואיך נאפשר גם למי שאין MATLAB להשתמש בה?

    MATLABMachine Learning באמצעות MATLAB

    לימוד מכונה, או 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').

    לימוד מכונה הוא חלק אינטגרלי וחשוב מ-Data Analytics, ענף אשר עוסק בפיתוח תובנות לקבלת החלטות ותכן טובים יותר, בהסתמך על מידע ונתונים. ברוב היישומים העסקיים, מודלים של לימוד מכונה מותקנים ורצים בסביבת web או database, והם חלק אינטגרלי ממערכות הארגון והחישוב לפי דרישה.

    Machine Learning with MATLAB

    למידת מכונה ב-MATLAB –
    דוגמא לפתרון בעיית סיווג

    בסביבת MATLAB קיימים 4 כלים מרכזיים, אשר מאפשרים ביצוע של תהליכי סיווג, רגרסיה ואישכול. למידע נוסף על הכלים והיכולות:

    Statistics & Machine Learning Toolbox
    Fuzzy Logic Toolbox
    Neural Networks Toolbox
    Optimization Toolbox

    סביבת MATLAB מספקת כלים רבים המקלים על תהליך הפיתוח ומייעלים אותו.

    כלים אלה מסייעים להתמודד עם האתגרים בהם אנו עלולים להתקל לאורך התהליך:

    • סביבת MATLAB מאפשרת לנו לעבוד עם מידע מסוגים שונים – אותות, תמונות, מידע פיננסי, טקסט ופורמטים נוספים.
    • MATLAB מכילה ספריות איכותיות ובהן פונקציות ואלגוריתמים הנמצאים בשימוש נפוץ בתעשייה בתחומים השונים, המאפשרים לנו לבצע מיצוי מאפיינים בלי להיות מומחים בתחום. כמו כן, MATLAB מכיל כלים שיעזרו לנו להעריך את איכות המאפיינים שיש לנו ולבצע בחירת מאפיינים כדי להשתמש במאפיינים הרלוונטיים ביותר.
    • סביבת MATLAB מכילה אפליקציות GUI מובנות, ההופכות את תהליך העבודה לאינטראקטיבי ויעיל, ומאפשרות לנו כמהנדסים להתמקד בפיתוח המודלים ולא בתכנות ו-debug. כמו כן, נוכל לקבל מודלים עם פרמטרים אופטימליים באמצעות טכניקות אופטימיזציה ש-MATLAB יכול לבצע לפי בחירתנו במהלך בניית המודל. MATLAB מאפשר לנו ליישם את קוד למידת המכונה שלנו על גבי פלטפורמות שונות החל מאפליקציות standalone ועד לאפליקציה שרצה על web sever. כמו כן, נוכל גם לייצר קוד שירוץ במערכת embedded.

    לסיכום, MATLAB היא סביבה שלמה וגמישה לביצוע אנליזה ובניית מודלים, ולכן מהווה פלטפורמה מעולה לפיתוח אלגוריתמים של למידת מכונה.

    נסקור את השלבים בתהליך למידת מכונה:

    1. גישה למידע וחקר ראשוני של המידע – בשלב זה נקרא את המידע מתוך קבצים, מאגרי מידע, או ישירות מחיישנים.
    2. עיבוד מקדים – בשלב זה אנחנו נטפל במידע הגולמי ונכין אותו לאלגוריתמי למידת המכונה. בשלב זה נטפל בערכים חריגים ונתונים חסרים, ננקה את המידע משגיאות או רעש, נבצע מיצוי מאפיינים, ונפעיל טכניקות של data reduction על מנת לצמצם את נפח המידע ולשמור את המידע הרלוונטי לבניית המודל ע"י שיטות כמו pca או mds.
    3. פיתוח מודל חיזוי – בשלב הזה יש לנו גמישות רבה לגבי טכניקת הלמידה בה נשתמש והפרמטרים השונים בטכניקה שנבחרה. נבצע אימון של מודלים שונים והשוואה ביניהם, נבצע אופטימיזציה של הפרמטרים, ולבסוף נבצע ולידציה של המודל כדי לוודא שהמודל שקיבלנו הוא רובסטי.
    4. שיתוף המודל המאומן – בשלב הזה נוכל להשתמש בשיטות שונות לפי הצורך, ולבצע אינטגרציה למערכות embedded, ענן, או כאפליקציית standalone.

    ה-Classification Learner App

    Classify Data Using the Classification Learner App

    Classify Data Using the Classification Learner App

    סיווג (Classification)

    בחלק זה של לימוד מכונה ניתן לסווג את המידע שהתקבל למספר סופי של קטגוריות. בסביבת MATLAB קיימים אלגוריתמים הזמינים לשימוש, כגון: (Support Vector Machines (SVM, עצי החלטה, K-Nearest-Neighbor, Naïve Bayes, Logistic Regression, Discriminant Analysis ו-Neural Networks. כל האלגוריתמים הללו זמינים לשימוש ב-Classification Learner App.

    Regression Learner App

    Data Analytics with MATLAB

    רגרסיה (Regression)

    בחלק זה של לימוד מכונה בונים מודלים המשמשים לחיזוי של מידע רציף, כגון מידע על מזג אוויר או תנועתיות בשוק המניות. בסביבת MATLAB קיימים אלגוריתמים מובנים הכוללים מודלים ליניאריים, מודלים לא ליניאריים, רגולריזציה, Stepwise regression, עצי החלטה, רשתות ניורונים ו-Adaptive Neuro-Fuzzy Learning.

    מציאת קבוצות פרחים

    Iris Flower Clustering with Neural Clustering Tool

    Iris Flower Clustering with Neural Clustering Tool

    אישכול (Clustering)

    בחלק זה של לימוד מכונה מזהים קבוצות ותבניות במידע. יצירת האשכולות מבוססת על מידע לא מסווג לצורך מציאת קבוצות טבעיות ותבניות. חלק מהיישומים כוללים זיהוי אובייקטים, Medical Imaging ו-Pattern Mining. בסביבת MATLAB קיימים אלגוריתמים מובנים הכוללים K-Means, Hidden Markov, Self-Organizing Maps, Fuzzy C-Means ועוד.

    אפליקציות מובנות בתחום למידת המכונה

    Neural Network Tools

    1. Neural Network Clustering
    2. Neural Network Fitting
    3. Neural Network Pattern Recognition Tool
    4. Neural Network Time Series

    Regression Learner App

    Classification Learner App

    וובינרים מוקלטים 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>>

    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>>

    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>>

    למידה עמוקה ליישומי עיבוד אות (נובמבר 2020)

    בוובינר זה נדגים: כיצד ניתן להשתמש בגישת ה- Deep learning -באמצעות MATLAB לצורך יישומי עיבוד האות, כיצד לדמות אותות תקשורת ריאליסטיים ולעבד אותם, איך לבנות מודלי חיזוי לאותות באמצעות שימוש במודלי CNN ו-LSTM. לצפייה>>

    Style Transfer לקבצי וידאו בעזרת Deep Learning בסביבת MATLAB (מרץ 2021)

    איך מכניסים לתוך MATLAB רשת מסביבת למידה עמוקה אחרת, ולמה בכלל לעשות את זה? הצטרפו ליואב ברסלר ורועי פן, שיסבירו על התהליך ועל היתרונות שבו, באמצעות דוגמה מקצה-אל-קצה של לקיחת רשת השמורה בפורמט ONNX, הכנסתה אל MATLAB, אימון שלה מחדש על מנת שתוכל לשנות את הסגנון של סרטון וידאו, והמרה אוטומטית שלה לקוד CUDA יעיל. לחצו לצפייה>>

    לקוחות מספרים - פתרונות לתהליכים

    ASML Develops Virtual Metrology Technology for Semiconductor Manufacturing with Machine Learning

    Freightos Performs Big Data Analytics for Online Freight Logistics with MATLAB and Google BigQuery

    ASML Develops Virtual Metrology Technology for Semiconductor Manufacturing with Machine Learning