ארכיון כתבות עבור אוגוסט, 2017

פעמים רבות עולות שאלות בקהילה אודות חוקרים שונים באקדמיה העוסקים ב-Machine learning ו-Deep learning. בכדי לעשות סדר בנושא ולעזור לחברי הקהילה לקבל תמונת מצד מדויקת של כל העוסקים במלאכה באקדמיה, החלטתי ליצור רשימה מסודרת ומאוחדת שתרכז את כל החוקרים בתחום. הרשימה כוללת מספר רב של חוקרים בתחום מכל מוסדות הלימוד בארץ כאשר הם מחולקים לתחומי הפעילות שלהם (ראייה ממחושבת, עיבוד שפה טבעית וכו'). בנוסף לכך, לצד כל חוקר יש מידע נוסף אודות תחומי הפעילות העיקריים שלו, קישור לאתר האישי ועוד. השאיפה היא לשמור על הרשימה עדכנית ככל שניתן ומידי פעם אעבור עליה ואעדכן את הפרטים הרלוונטיים לכל חוקר וחוקר לכתבה המלאה >>

דברה די סנטו, מנהלת את חטיבת הבריאות של ווטסון ב-IBM, יצאה בראיון לגלובס בקביעה דיי בעייתית: "המחשב שלנו לעולם לא יחליף רופא". מדוע מדובר בקביעה בעייתית? כי אם חטיבה שמשקיעה כל כך הרבה כסף במחקר ופיתוח סביב בעיה מסוימת והיא בעצמה לא מאמינה שהיא תוכל לפתור אותה אז מצב זה מעלה המון סימני שאלה על הפעילות הכוללת של החטיבה הזו.

הדבר הראשון שאומרים ליזם או יזמת שמקימים את החברה שלהם הוא "להתאהב בבעיה ולא בפתרון". במקרה שלנו הבעיה היא שאנשים מתים מאבחון לא מדויק/מהיר מספיק של המחלות שלהם או מנגד הם לא מקבלים את הטיפול המתאים. על פי הכתבה נראה כי IBM מגדירה את הבעיה כאחרת לגמרי: הבעיה היא שרופאים צריכים יותר עזרה בתהליך קבלת ההחלטות. התבוננות עקומה מאוד על הסוגיה כולה. בסופו של יום, המטרה היא להציל חיים ולעשות זאת בכל דרך אפשרית, כאשר היעד הסופי הוא לעשות זאת בצורה הטובה ביותר – גם אם זה אומר להוציא את הגורם האנושי מחוץ לתמונה.

מה יקרה בעוד כמה שנים שהמחשבים שלהם עצמם יעקפו את היכולות של הרופא האנושי? הם פשוט יסגרו את הכל כי המחשב כבר לא נמצא בפוזיציה של רק "עוזר", מה יקרה שהמחשב יגיע לרמת דיוק כל כך גבוהה שתייתר לחלוטין את הצורך ברופא? האם הם לא ינגישו את הטיפול לציבור הרחב? אי אפשר לצאת למסע כל כך גדול שאתה לא באמת רוצה להגיע לפסגת ההר. לכתבה המלאה >>

חברת Nvidia האמריקאית מוכרת היטב לכל מי שעוסק ב-Deep learning בעיקר הודות לכרטיסים הגרפיים המתפקדים כלב הפועם של מרבית מערכות המחשוב בתחום. כרטיסים גרפיים אלו מסייעים לחוקרים רבים להגיע לתוצאות מרשימות תוך קיצור משמעותי של זמני החישוב. ההבנה שכרטיסים גרפיים אלו חיוניים לאימון רשתות נוירונים מלאכותיות הובילה את חברת Nvidia להשקיע רבות במחקר ופיתוח סביב טכנולוגיות אלה. כפועל יוצא מכך, Nvidia שוקדת רבות על פיתוחים שיהיו מותאמים לצרכים החדשים שעולים ללקוחותיה ולאחרונה פתחה מרכז פיתוח חדש בישראל בו היא מרכזת את מאמצי החברה בתחום ה-Deep learning.

מרכז הפיתוח המקומי הוא רק הסנונית הראשונה לפעילות החברה בארץ ו-Nvidia אף עתידה לקיים את הכנס השנתי הגדול שלה, ה-GPU technology conference, בישראל. בכדי ללמוד על מרכז המחקר המקומי של החברה ועל הקשר ההדוק המתפתח בין Nvidia לישראל קיימתי ראיון עם אבי שפירא, מנהל מרכז המחקר והפיתוח של Nvidia בישראל, אשר סיפר לנו על הדרך שהחברה עברה, על עתידו של מרכז הפיתוח הישראלי ועל הכנס הגדול שמארגנת החברה בישראל.

מרכז הפיתוח המקומי

מרכז הפיתוח הישראלי של Nvidia נפתח בחודש ספטמבר 2016 וכעת מעסיק 20 עובדים שעוסקים בשיפור מוצרי החברה עבור משימות הקשורות לאימון אלגוריתמים לומדים. שפירא ציין כי המרכז הישראלי הוא חלק משמעותי ממאמצי הפיתוח של Nvidia העולמית וכי למרכז מספר תחומי אחריות מרכזיים. "המרכז של Nvidia בישראל הינו חלק מקבוצת הפיתוח העולמית של Nvidia ומתמקד במוצרי הליבה של החברה בדגש על חבילות תוכנה (SDK) וכלי פיתוח Debugger, Profiler וכו'. הכלים מאפשרים ללקוחות שלנו להאיץ את בניית המוצרים שלהם במגוון תחומים כדוגמת רכבים אוטונומיים, רחפנים ורובוטים המשלבים טכנולוגיות של בינה מלאכותית ולמידה עמוקה. כמו כן אנחנו ממשיכים להרחיב ולבנות צוותי פיתוח המשולבים עם הטאלנט המקומי."

לא לחינם בחר שפירא להתייחס בסוף דבריו ל-"הטאלנט המקומי" והוא הרבה לציין זאת גם בהמשך. מרכז הפיתוח של החברה עתיד, על פי תכניות החברה, לגדול באופן משמעותי בתקופה הקרובה ולגייס לשורותיו חוקרים ומפתחים רבים שיסייעו לחברה להגיע ליעדיה. שפירא אף מחדד ומדגיש כי הם מחפשים מומחים בתחומי הלמידה העמוקה שהיא לב ליבו של מרכז הפיתוח: "אנו צופים גידול בסניף המקומי של עשרות אנשים וממשיכים לחפש טאלנטים בתחומי ה-Deep Learning לצרף לשורותינו".  גורם משמעותי נוסף ששותף לחזון זה הוא ג'ף הרבסט, סגן נשיא לפיתוח עסקי בחברה, אשר ביקר בתחילת החודש בישראל וציין כי "Nvidia מעוניינת לגיוס כ–50 איש בשנה הקרובה למרכז הפיתוח". לכתבה המלאה >>

מדריך זה נכתב על ידי ג'ף מוסקוביץ

לפני מספר ימים כתבתי פוסט בקבוצת הפייסבוק Machine & Deep Learning Israel שעסק במספר פרויקטים שעשיתי לאחרונה. בסוף הפוסט הצעתי, בדרך אגב, עזרה לכל מי שמעוניין לקבל המלצה על קורסים רלוונטיים או איך להתחיל להתמקצע בתחום ה-Machine learning. להפתעתי גיליתי שיש הרבה אנשים בקבוצה שמעוניינים במידע הזה אז במקום לדבר עם כולם בנפרד, אני מאגד את כל ההמלצות שלי במדריך הזה שלפניכם. לפני שאנחנו מתחילים, אני אבקש סליחה מראש על שגיאות הכתיב שלי – עברית היא לא שפת האם שלי.

הרקע שלי

נתחיל עם הבהרה קצרה על הרקע שלי, מאחר וקיבלתי הרבה שאלות בסגנון הזה:

״אבל ג׳ף, בטח יש לך דוקטורט בחילוק ארוך מתקדם או משהו ויש לי רק תואר שני בזה. איך אני אסתדר עם המתמטיקה??״

יש לי תואר ראשון בעיתונאות ועוד אחד בהיסטוריה. זהו.

״אבל זה נושא די טכני, אני עדיין יכול לעשות את הקורסים האלה אם יש לי רק תואר ראשון במדע מחשב??״

עוד פעם, יש לי תואר ראשון בעיתונאות ועוד אחד בהיסטוריה …

תירגעו. כן, זה אפשרי.

כמו שMark Twain אמר:

"Never let your schooling interfere with your education”

דרישות קדם

דרישות הקדם היחידות הן סביב כישורי המתמטיקה שלכם, אתם תצטרכו הבנה בסיסית (באמת בסיסית) בנושאים הבאים:

  1. אלגברה לינארית.
  2. חדו"א (חשבון דיפרנציאלי ואינטגרלי).
  3. הסתברות.

לכתבה המלאה >>

מדריך זה נכתב על ידי ניר בן-צבי – חוקר בתחום הראייה הממוחשבת בחברת אמזון.

בשנים האחרונות אנו עדים לשיפור הניכר שהשיגו אלגוריתמים לומדים בלא מעט תחומים. אלגוריתמים אלו, כדי שבאמת יספקו תוצאות מרשימות, מצריכים כוח עיבוד רציני ומחייבים את העוסקים בנושא להרכיב מערכות מחשוב מתקדמות מאוד. מאחר ומדובר על נושא מורכב למדי, החלטתי לכתוב את המדריך הבא שיסייע לכם לבחור את הרכיבים המתאימים ביותר לצרכים שלכם. חשוב לי להדגיש כי ניתן להעניק מענה לסוגיה זו בכמה אופנים ומדריך זה יכסה זווית אחת בלבד.

אתחיל מלחלק את האפשרויות הקיימות בפנינו לשלוש קטגוריות עיקריות:

  1. מחשב שולחני פשוט יחסית עם כרטיס גרפי בודד.
  2. מחשב הזהה למחשב מס׳ 1, הנבדל ממנו בכך שיש לו שני כרטיסים גרפיים (או הכנה לכרטיס גרפי נוסף בעתיד).
  3. מחשב לאימון ״כבד״ – כלומר, מחשב בעל ארבעה כרטיסים גרפיים ומעלה.

אתייחס תחילה לאופציה האחרונה מאחר והיא הכי פשוטה לדיון. מערכת התואמת את הדרישות של אופציה מספר שלוש עתידה לעלות כ-60 אלף שקל לערך. כאשר אנו עוסקים בסכומים בסדרי גודל שכאלה, היתרונות והחסרונות נעשים מורכבים יותר וזאת מאחר ולשימושים מסוימים אולי תהיינה עדיפות לעבוד עם מכונות EC2 בענן של Amazon. מניסיוני האישי אני יכול להעיד כי התחזוקה של מחשב מסוג זה נעה בין "לא קיימת" לבין "איבדנו מהנדס לטובת הנושא למשך יום שלם" – התנהגות שאיננה שכיחה במכונות ענן. מעל כל זאת, השיקולים הכלכליים בעד או נגד שירותי ענן שייכים לדיון אחר, ובמדריך זה נתרכז בבניית חומרה פיזית. לכתבה המלאה >>