כתבות עם התגית TensorFlow

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 >>

מרבית המאמרים והכתבות בבלוג עוסקים ב-Machine Learning בהיבטים הקשורים לראייה ממוחשבת או עיבוד שפה טבעית, ולעתים נדירות אנו שומעים שימושים יצירתיים בתחומי פעילות שונים. מידי פעם אני מנסה להעניק הצצה לזוויות נוספות של הטכנולוגיה ולחשוף כיצד Machine Learning יכול לסייע במגוון רחב של תחומים.

אחד התחומים שמתחיל לאמץ לחיקו טכנולוגיות מתקדמות הוא תחום גיוס העבודה (HR), שרותם לאחרונה אלגוריתמים חכמים בכדי ליצור מודלים שיחזו בדיוק רב את מידת ההתאמה בין חברה מגייסת לבין מועמד פוטנציאלי. בשיטה "הישנה" מדובר עדיין על אתגר משמעותי שמצריך, משני הצדדים, להשקיע זמן לא מבוטל בכדי למצוא התאמה מלאה. בסופו של יום, כולנו היינו מעדיפים פשוט למצוא ישירות את החברות המתאימות לנו ביותר – ובאותה הנשימה, החברות עצמן היו מעדיפות לקצר באופן משמעותי את התהליך ולקלוט את העובד הרלוונטי כמה שיותר מהר.

בכדי ללמוד עוד על התחום ועל הדרך בה אלגוריתמים מעולם ה-Machine Learning מצליחים לחזות התאמות מסוג זה, ערכתי ראיון עם אבי גולן מחברת ZipRecruiter האמריקאית, בה הוא משמש כמנהל הפעילות של החברה בישראל וסגן נשיא להנדסה בחברה העולמית. לכתבה המלאה >>

מידי כמה שבועות ישנה בקשה בקבוצה לקורסים מומלצים בתחום ה-Machine learning בכללי וה-Deep learning בפרט. בדיוק לשם כך החלטתי להרים את הכפפה ולהכין רשימה מסודרת של כל הקורסים המומלצים בתחום. את הרשימה הנוכחית דרגו חברי הקהילה וסדר הופעתם ברשימה נגזר מכמות המצביעים עבור כל קורס וקורס. בנוסף לכך הכנתי רשימה של ספרים מומלצים בנושא, עבור מי שרוצה להעמיק מעבר. נתחיל?

1. CS231n: Convolutional Neural Networks for Visual Recognition

הקורס הראשון שקיבל הכי הרבה נקודות והומלץ על ידי מרבית חברי הקהילה הוא: "CS231n: Convolutional Neural Networks for Visual Recognition" של אוניברסיטת סטנפורד. כפי שאתם בוודאי יכולים להבין לפי השם, הקורס עוסק בעיקר בעיבוד תמונה וזיהוי אוביקטים באמצעות רשתות נוירונים. דרישות הבסיס של הקורס הוא הכרה עם שפת התכנות פייתון, רקע באלגברה לינארית, חדו"א ולקינוח שליטה בסטטיסטיקה והסתברות.

אתר הקורס – לחצו כאן.
סילבוס וחומרי עזר – לחצו כאן.
מצגות בלבד – לחצו כאן.
וידאו – לחצו כאן. (מצורף למטה) לכתבה המלאה >>