כתבות בנושא Machine Learning

אני מקבל לא מעט פניות מחברי הקבוצה שמחפשים הכוונה לקורס או הכשרה פרונטליים כלשהם בתחום של Machine Learning. בעקבות ההתעניינות העולה וגוברת בתחום, צצו לא מעט יוזמות כאלה או אחרות המציעות ללמד אתכם את רזי המקצוע ואף להכין אתכם לשוק התעסוקה. לאחר לא מעט בקשות סיוע ועזרה, בעיקר בהודעות פרטיות או שיחות אחד על אחד, החלטתי לרכז כמה מהתובנות שאני משתף עם כל מי שבוחר להתייעץ איתי בנוגע לקורסים השונים הקיימים בשוק.

לפני שאנחנו צוללים פנימה אני אציין מספר נקודות חשובות מאוד שיש לקחת אותן בחשבון. הנקודה הראשונה היא שמדובר על דעתי האישית בלבד, אשר מבוססת על שיחות שקיימתי הן עם מעסיקים שונים והן עם חלק לא קטן מהגופים שעומדים מאחורי הקורסים הללו. הנקודה השנייה, ואולי החשובה ביותר, היא שאין קיצורי דרך. מרבית האנשים שעוסקים בתחום הגיעו אליו לאחר שלמדו תואר מתקדם השייך לעולם המדעיים המדויקים (עם עדיפות למדמ"ח). אם אתם מגיעים מעולם אחר לחלוטין תצטרכו לעשות לא מעט השלמות כדי להגיע למצב שבו אתם יכולים להתחיל לעסוק בתחום – אך גם לכך ראינו תקדימים. הסיבה שאני מדגיש את חסמי הכניסה היא כדי לפזר את שלל ההבטחות שחלק מבעלי הקורסים זורקים באוויר. השוק אומנם צמא לאנשים איכותיים, אך עדיין המעסיקים לא מוכנים להתפשר על הרמה של המועמדים השונים.

הנקודה השלישית היא כי מרבית המידע הרלוונטי זמין וקיים באינטרנט בצורה חופשית ונגישה לכל. בעבר פרסמתי רשימה של קורסים מקוונים שהומלצו על חברי הקהילה, אשר זמינים בחינם באופן מלא כולל הסילבוס, המצגות, תרגילי הבית ועוד. דוגמא אחת מצוינת לכך הוא הקורס של סטנפורד המככב מזה זמן רב בראש מצעד הקורסים בתחום ה-Deep Learning. לא לחינם בחרנו להעביר דווקא אותו בקורס ההתנדבותי שאנו מעבירים לקהילה. הקורס הנ"ל הוא דוגמא מצוינת לשפע המידע הזמין ברשת, כאשר מידי חודש מתפרסמים עוד ועוד קורסים פתוחים לקהל שמנגישים תחום כזה או אחר בעולם התוכן שלנו. אם קורסים אינם דרך הלמידה המועדפת עליכם, תשמחו לדעת שיש גם ספרים מומלצים בתחום שיכולים לסייע לכם להיכנס לתחום לצבור ידע תיאורטי ופרקטי. כל זאת ועדיין לא ציינו את הקורסים בתשלום באתרי הלמידה האונליין הגדולים בעולם שכולם כאחד מציעים שלל קורסים בתחום.

לסיכום, באם בכל זאת אתם מעוניינים בקורס פרונטליי, בין אם זה עבור המסגרת, התוכן בעברית, הלמידה בצוותא או אפילו החניכה האישית – ככל הנראה ישנם קורסים שיתאימו לכם. עכשיו נשאלת השאלה, כיצד לבחור את הקורס הנכון עבורכם. לשם כך סיכמתי מספר נקודות שיכולות לשפוך אור על התהליך עצמו ולסייע לכם לקבל את ההחלטה הנכונה ביותר עבור הקריירה שלכם.

1. מרצים וסילבוס

הדבר הראשון, ואולי הטריוויאלי ביותר, שיש לעשות כאשר בוחנים קורס הוא לבחון את סגל המרצים ואת הסילבוס הקיים באתר הקורס. בדקו ביסודיות מי מעביר את ההרצאות לאורך כל הקורס ומה הניסיון של המרצים השונים. אתם תרצו כאלה שידעו להעניק לכם את הידע התאורטי והאקדמי על מנת לצבור בסיס חזק – בסיס שיש לו חשיבות רבה אצל לא מעט מהמעסיקים. לצד הנחה זו, תרצו גם אנשי תעשייה שיודעים לתרגם את כל מה שלמדתם לעולם האמיתי ואפילו להסביר לכם איך להעביר את המודל שהכנתם לפרודקשיין. חשוב שסגל המרצים ידע להביא מענה לשני האלמנטים החשובים הללו מאחר ולהם חשיבות רבה עבור מי שרוצה למצוא עבודה חדשה או לבצע שינוי קריירה משמעותי. לשמחתנו, בעידן האינטרנט, מאוד קל למצוא מידע אודות המרצים, ואף לבחון את היסטוריית התעסוקה/מחקר שלהם ובכך לנסות להבין האם יוכלו לספק לכם את הערך הנדרש. עוד טיפ קטן, חפשו גם כאלה שיש להם ניסיון בהוראה או כאלה שלימדו במוסדות לימוד שונים (לא בהכרח באקדמיה). זכרו, ידע בתחום לא מבטיח יכולת גבוהה בהעברת הידע.

לצד המרצים, העוגן הנוסף שיש לכם בעת בחינת הקורס הוא הסילבוס. מסמך זה אמור לאגד את כל הנושאים והטכנולוגיות אותם תלמדו במהלך הקורס ואולי אף יכלול התייחסות בנוגע לפרויקטי גמר או מטלות לאורך הקורס. חשוב לבחון את הסילבוס ולעבור עליו ביסודיות בכדי להבין האם הוא בכללותו יוכל לספק לכם את הידע הנדרש לעמידה ביעד שהצבתם לעצמם. מה לעשות אם אין לכם מושג מה כתוב בסילבוס ואם המונחים השונים נראים לכם כמו סינית?

לכתבה המלאה >>

בשבוע שעבר התחלתי ניסוי קטן שבו אני מפרסם גם כאן בבלוג את כל הפוסטים החשובים שעלו בקבוצה בשבוע החולף (לצד הפרסום בניוזלטר). בשבוע שעבר קבלתי פידבקים מעולים לכן אני ממשיך עם כך גם השבוע. דרך אגב, אתם יכולים למצוא את הניוזלטר המלא בלינק הבא (יש בו מידע על המיטאפ שלו ועל כל המשרות החדשות שהתווספו ללוח משרות). אם אתם רוצים לקבל את הניוזלטר בצורה אוטומטית פשוט תירשמו כאן.

כפי שאתם יכולים לראות השבוע היה לנו שבוע מצוין עם לא מעט תוכן איכותי בקבוצה. מרבית הדיונים שנפתחו היו סביב עבודות ומאמרים חדשים שנכתבו לאחורנה והצליחו ליצור עניין רב בקרב חברי הקהילה. לשמחתי השבוע היו גם כמה מאמרים ופוסטים שנכתבו על ידי חברה הקבוצה עצמם מה שתמיד מצוין ויוצר דיונים מעולים.

Group's Highlights from last week

1. Imry Kissos from Amazon shared an interesting blog post from Google with the title "TF-Ranking: A Scalable TensorFlow Library for Learning-to-Rank". Imry also shared this great content: "Unsupervised Deep Learning – Google DeepMind & Facebook Artificial Intelligence NeurIPS 2018".

2. Amitai Armon from Intel shared with us an article they released at NeurIPS 2018. The article name is "Automated Testing of Graphics Units by Deep-Learning Detection of Visual Anomalies".

3. Yonatan Hadar from YellowRoad made us all feel much better with his new article: "Top Examples of Why Data Science is Not Just .fit().predict()".

4. Yam Peleg from Deep Trading open our eyes with this great article: "Auto-Keras: Efficient Neural Architecture Search with Network Morphism".

5. Rani Horev from Snip shared a new cool tool that he developed which will make your life easier next time you would find a new article.

6. Assaf Shocher from Weizmann Institute of Science shared an article he wrote with Shai Bagon, Phillip Isola, and Michal Irani. The article name is: "Internal Distribution Matching for Natural Image Retargeting". If you need to read only one post, make it this one.

7. Bonus: The one and only, Gal Yona from Cellebrite started a very important poll. Don't miss it.

קוראי הניוזלטר האדוקים, בוודאי יודעים שאני מסכם מידי שבוע את כל הפוסטים החשובים ביותר שעלו בקבוצת פייסבוק של הקהילה. כל שבוע אני סורק את הקבוצה ומחפש אחר הדיונים המרתקים ביותר שהתקיימו ומרכז את כולם במקום אחד כדי שאתם תוכלו לוודא שלא פספסתם אף נושא חשוב שעלה באותו השבוע. לאחרונה קבלתי הרבה בקשות להעביר את הפורמט של הסיכום השבועי למקום שיהיה יותר קל לשתף אותו ולשלוח לחברים. לכן, אני אתחיל לכתוב גם כאן בבלוג את הסיכום השבועי. חשוב לי להדגיש שבכל מקרה אשלח את הסיכום השבועי כלינק מסודר בניוזלטר, ככה שלא הרבה הולך להשתנות.

דרך אגב, אם אתם רוצים לוודא שאתם לא מפספסים את הסיכום השבועי, פשוט תירשמו לניוזלטר וככה תוכלו להישאר מעודכנים תמיד. כל שישי בבוקר יחכה לכם בתיבת המייל ניוזלטר חדש עם מידע שחשוב שתכירו. עוד סיבה ממש טובה להירשם לניוזלטר היא שאני מעדכן שם מידי פעם על כל מיני יוזמות ושיתופי פעולה שאני עובד עליהם הרבה לפני שהם עולים לקבוצה (ככה אני יכול לבדוק את התגובות לפני 🙂 ). בקיצור אל תפספסו.

עוד הערה קטנה, הסיכום השבועי ימשיך להיות באנגלית כי ככה יותר קל לכתוב אותו בצורה רציפה ללא ערבוב של האנגלית והעברית. נתחיל?

לכתבה המלאה >>

אנחנו עוסקים לא מעט בקהילה בדרכים בהן ניתן לצרף אנשים נוספים לתחום ולהנגיש, ככל שניתן, את הידע הנדרש כדי להשיג את העבודה הראשונה כ-Data scientist. רבים מכם יודעים כי לא מדובר על משימה קלה במיוחד, השילוב של חוסר הכרה של העולם התוכן לעומקו ומגוון ההכשרות הרחב שיש בשוק, מקשה על בוגרי תארים מתקדמים, או אפילו מפתחים בעלי ניסיון, לעשות את המעבר ולהשיג את דריסת הרגל הנדרשת.

אני מקדיש לנושא זה תשומת לב רבה ולעיתים עולות יוזמות חדשות בקהילה אשר מנסות להעניק מענה הולם לבעיה הזו. כדי להעצים את העשייה שלי בתחום ובשאיפה לעזור לכמה שיותר אנשים, אני כעת חובר לארגון  בשם Israel Tech Challenge, ארגון ללא מטרות רווח, אשר מציע תכנית הכשרה מקיפה ומלאה בתחום ה-Data science. כחלק משיתוף הפעולה שלי עם ITC אני מסייע להם באיתור מועמדים רלוונטיים שיכולים לקחת חלק בתכנית האקסלוסיבית שהם בונים.

קצת פרטים על התכנית עצמה: ההכשרה מתבצעת בתחום ה-Computer Vision (ראייה ממוחשבת) וה-NLP (עיבוד שפה טבעית), כאשר לב ליבה של התכנית היא שימוש בטכניקות מעולם ה-Deep Learning לביצוע משימות בתחום זה. התכנית היא חלק ממסלול ה-Data Science של תכנית ה-Fellows. התכנית הנ"ל מיועדת לבוגרי Bs.c מצטיינים מאוניברסיטאות מובילות בארץ ובעולם, בדגש על בוגרי תארים במדעי המחשב, הנדסה, מתמטיקה, פיסיקה, כימיה וביולוגיה שלהם ידע בתכנות. ההכשרה כולה בנויה משלושה חלקים עיקריים: החלק הראשון, אשר אורך ארבעה חודשים, עוסק בלימוד עצמו ומקנה לסטודנטים את כל הכלים להתמודדות עם בעיות שונות בתחום ה-Data science. בחלק זה מגיעים מרצים אורחים משלל חברות מובילות במשק אשר משתפים מינסיונם בעבודה היומיומית שלהם, וזאת במטרה לחשוף את הסטודנטים לבעיות אמתיות שעולות כחלק מתהליך העבודה. החלק השני כולל חמישה שבועות של התמחות קצרה אצל אחת מהחברות הפועלות עם ITC בהן הסטונדטים עובדים על בעיות מוגדרות עם ליווי של אנשי החברה.

החלק השלישי, אשר אורך חמישה חודשים, הוא התמחות בשכר אצל חברות מובילות בתפקידי פיתוח ומחקר במגוון רחב של חברות אשר פעולות בשיתוף פעולה עם ITC. השכר הממוצע לחודש בזמן ההתמחות הוא 20 אלף שקל לחודש, כאשר בסופו של שלב זה מרבית הסטודנטים כבר מקבלים הצעות מהחברות עצמן למשרות לטווח הארוך. לקורס יש שני מחזורים בשנה, הראשון מתקיים בחודש באפריל ובעוד השני שמתחיל בחודש אוקטובר (בעוד חודשיים). העלות של התכנית כולה היא היא 30,000 שקלים.

הסבר על התכנית

על מנת ללמוד על תכנית ההכשרה לעומק, קיימתי ראיון מקיף עם לואיס וולך, Data Science Lead ב-ITC ובר וינוגרד, יועץ בתחום ה-Data Science ואחד מסגל המורים בקורס. לאויס ובר אמונים על הפיתוח המקצועי של תכנית ההכשרה ושניהם מגיעים עם ניסיון רב בתחום וידע פרקטי בעולמות ה-Data Science. לאורך הראיון נצלול פנימה ונכיר את אבני הבניין השונות של תכנית זו ונבין כיצד היא יכולה לסייע לאלה אשר רוצים לעשות את שינוי הקריירה המיוחל לכתבה המלאה >>

לאחר למעלה משמונה חודשים, בערב תצוגת פרויקטי גמר, הגיע לסופו בתחילת השבוע קורס ה-Deep Learning ההתנדבותי שארגנו Eran PazGil LeviNir Ben-Zvi ואנוכי. הקורס שהועבר היה זהה לקורס CS231n: Convolutional Neural Networks for Visual Recognition של אוניברסיטת סטנפורד. לאחר ארבעה חודשים של קורס, חיברנו לסטודנטים שלנו מנטורים מהתעשייה, שהנחו אותם לאורך כל פרויקט הגמר. לאחר סיום העבודה על הרעיונות השונים שלהם, הסטודנטים שלנו הציגו את הפרויקטים שלהם בדמו דיי מיוחד שארגנו לכבודם בגוגל קמפוס.

בערב זה הוצגו שבעה פרויקטים מרתקים שסיכמו את כל מה שהסטודנטים שלנו למדו בחודשים האחרונים. כל פרויקט היה ייחודי ומעניין, ואף גרם לסטודנטים "לכלכך" קצת את הידיים ובאמת להרגיש איך זה לעבוד על אתגר אמיתי מקצה לקצה. ואם זה לא מספיק, גם בערב הזה, בדיוק כמו בקורס, מספר הגברים והנשים שהציגו היה כמעט זהה. בהמשך הכתבה תוכלו לראות את כל המצגות אותן הציגו הסטודנטים ואף את פרטיהם ליצירת קשר ולמידע נוסף.

זו הזדמנות מעולה גם להודות לכל המנטורים שנרתמו ועזרו לסטודנטים שלנו בפרויקטי הגמר. כולם, ללא יוצא מן הכלל, עבדו צמוד איתם לאורך כל הפרויקט וידעו תמיד ללוות ולכוון שצריך. תודה ענקית גם ל Ilan Kadar מחברת Nexar שלא רק דאג לחניכה לשני צוותים, אלא גם יעניק לשני מצטייני הקורס את האפשרות לקבל חניכה באונבריסטת ברקלי על ידי פרופסור טראוור דראל ואף הזדמנות להצטרף לנקסר.

תודה נוספת היא לכל הצוות בגוגל שהעניק לנו מעטפת אדירה והדוקה שסייעה לנו הרבות לצלוח את הקורס בכזו הצלחה. תודה ראשונה וענקית היא ל Naama Yanko שדאגה לקרדיטים בענן לכל הסטודנטים שלנו לקורס (וגם לתוספות הגדולות בזמן העבודה על פרויקטי הגמר). תודה עצומה, לכל הצוות המקצועי של הקמפוס שאירח אותנו במשך ארבעה חודשים בכל שבוע ותמיד היו שם בשבילינו: Michal Waltner Levi Shirli Zilka,Marta MozesSarit Amar ו- Dikla Matias.

תודה גדולה גם כמובן לכל הסטודנטים שלנו שהתמידו ועבדו קשה כדי לגרום לערב הזה להיות ברמה הגבוהה ביותר. תודה גם לכל האורחים שלנו מהתעשייה שהגיעו לשמוע על הפרויקטים, לשאול שאלות ולהתרשם מהעשייה של הסטודנטים.

נשאלנו הרבה פעמים אם ומתי נפתח קורס נוסף והיכן אפשר להתעדכן על כך. תחילה נציין כי אנחנו מאמינים כי כן נפתח מחזור נוסף והוא ככל הנראה יתקיים בחודש נובמבר כמו בפעם הקודמת. ניתן להתעדכן בקבוצה ואני ממליץ גם להירשם לניוזלטר כדי להבטיח שלא תפספסו את הפרסום בגלל האלגוריתם של פייסבוק. בנוסף לכך אני ממליץ לבקר בשתי כתבות שכתבתי בנושא שיכולות לסייע למי שרוצה להתחיל גם הוא להיכנס לתחום: קורסים מומלצים וספרים ממולצים. מי שכבר פועל בתחום ומחפש עבודה מוזמן להיכנס ללוח המשרות שלנו שמתעדכן על בסיס יומי.

ועוד נקודה אחת אחרונה, יש לכם עבודה שמתאימה לבוגרים שלנו? תרגישו חופשי לפנות אליהם ישירות או לפנות אלינו כדי לעשות את החיבור. אנחנו יכולים להמליץ עליהם בעיניים עצומות.

 

פרויקטים:

לכתבה המלאה >>

לגייס Data scientists זו לא משימה קלה. העלייה המשמעותית במספר החברות שנכנסות לעולם ה-Machine Learning לצד כמות הסטארטפים שפועלים בתחום הגבירו את הביקוש ל-Data scientists, מה שיוצר קשיי גיוס רבים ללא מעט חברות. יש לציין, לפני שאנחנו צוללים פנימה, כי גם חברות גדולות ותאגידים גדולים מתקשים למצוא את האנשים המתאימים ולא מדובר על מכשול שקיים רק אצל חברות צעירות או גופים לא טכנולוגים.

בדיוק לשם כך, קיימתי לפני מספר שבועות אירוע מצומצם בו חלקתי חלק מהתובנות שיש לי בנושא, המתבססות על סקר הקהילה שעשינו ולוח המשרות העשיר שמנוהל באתר זה. נתונים אלה, בשילוב לאינספור שיחות שקיימתי עם עובדים בתחום וחברות שונות המגייסות, סייעו לי לגבש מספר מסקנות וטיפים שיוכלו לעזור לכל מי שרוצה לגייס Data scientist. בנוסף להרצאה שלי, לקח חלק באירוע גם Alfie Booker המשמש כמגייס טכני ב- Google UK בחמש השנים האחרונות. אלפי עסק בעיקר בתהליך הגיוס בגוגל וכיצד ניתן לבנות אותו בצורה חכמה מול המועמדים השונים.

עיקר החלק שלי מבוסס על המצגת שהעברתי במפגש עצמו והיא מצורפת כאן לשימושכם:

לכתבה המלאה >>

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 >>

עדכון 2018:

חברת NVIDIA היא אחת החלוצות בתחום הבינה המלאכותית אשר מרבה לפרסם עבודות ומחקרים פורצי דרך מידי שנה. כחלק משאיפותיה לחלק את הידע שצברה, החברה דואגת להעצים ולטפח את הקהילה העולמית, ועל כן מארגנת NVIDIA מדי שנה את כנס (GPU Technology Conference (GTC הבינלאומי. בהמשך להצלחה של הכנס בשנה שעברה, מתכוונת NVIDIA לקיים את הכנס בשנית בישראל כחלק מסדרת כנסים ברחבי העולם המתמקדים בבינה מלאכותית וביישומים שלה בתחומי החיים השונים. הכנס יתקיים השנה בין ה-17 ל-18 לאוקטובר בגני התערוכה בתל אביב.

בשנת 2017, נכחו ב- GTC בישראל כ-2,000 מפתחים, יזמים ואנשי טכנולוגיה, אשר רצו להכיר לעומק את עולם הבינה המלאכותית. השנה חברת NVIDIA חוזרת עם כנס מושקע במיוחד ומתכננת מגוון רחב של הרצאות, סדנאות, הדגמות ומיצגים שידגימו את פריצות הדרך האחרונות בתחום. השנה NVIDIA שמה דגש רב על תחום ה-Deep Learning ועל תהליכי אימון מואצים של מודלים – כך שצפוי לנו הרבה תוכן איכותי בנושאים אלו.

לירון פרינד-סעדון, מנהלת קשרי מפתחים ב-NVIDIA ישראל, התייחסה לכנס והסבירה: "בכנס נציג יישומים מתקדמים של NVIDIA בעולמות הבינה המלאכותית, יחד עם שותפינו הטכנולוגיים. בכלל זה: כלי תוכנה כדוגמת TensorRT, Deep stream ונעניק למשתתפים את הכלים הנדרשים כדי להאיץ את פיתוח המוצרים שלהם". פרינד-סעדון מוסיפה ומציינת: "בין אם אתה רק בתחילת דרכך או כבר מומחה, תמיד יש נושאים חדשים ללמוד עליהם בכנס שלנו. תחום הבינה המלאכותית מתפתח בקצב מהיר ומציג פריצות דרך משמעותיות כל הזמן. הדרך הטובה ביותר להישאר מעודכן היא באמצעות התמדה בלמידה ובחשיפה לתכנים חדשים".

מלבד הסדנאות וההרצאות, הכנס מאפשר לסטארטפים מקומיים להכיר את תכנית Inception של חברת NVIDIA. תכנית זו היא מאיץ סטארטאפים וירטואלי, המסייע לסטארטאפים במהלך השלבים המאתגרים של פיתוח המוצר, יצירת אב טיפוס והשקת המוצר. חברי Inception זוכים למעטפת רחבה הכוללת סיוע שיווקי, חשיפה מוקדמת לטכנולוגיות מובילות, חיבור לארגוני Enterprise ושימוש בחומרה מתקדמת, כמו גם גישה למומחים של NVIDIA בתחום ה- Deep Learning שמסייעים להם בתהליך אימון המודלים.

מלבד זאת, חברי Inception הקיימים ישתתפו בתחרות Inception לסטארטאפים. התחרות, אשר התקיימה גם בשנה שעברה, מפגישה בין שישה סטארטאפים מתקדמים בתחום אשר יתחרו על המקום הראשון מול חבר שופטים מבכירי התעשייה. שנה שעברה, המנצחת הייתה חברת Cognata אשר מפתחת מערכת המאפשרת ליצור סימולציות עבור כלי רכב אוטונומיים ובכך לדמות תנאי שטח וסביבה מרובים.

השנה הסטארטפ הזוכה יקבל פרס כספי בסך 100,000$ ובנוסף ב- NVIDIA DGX Station.

*אם ברצונכם לקחת חלק בסדנאות או בהרצאות שיתקיימו בכנס,  אתם מוזמנים להשתמש בקופון שנוצר במיוחד לקהילה אשר מעניק לכם 20 אחוז הנחה על רכישת כרטיס לכנס ול-Training ב-18 באוקטובר.

 ההרשמה לכנס בקישור הבא, קוד ההנחה – CMOML

2017:

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 >>

תוספת 2018: תכנית עילית: הכירו את תוכנית ההכשרה בתחום ה-Data science של ITC.

 

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 >>

X