כיצד לשלב מאפיינים של הבינה האנושית עם הכלים המתקדמים של בינה מלאכותית, על מנת להשיג תוצאות טובות יותר בתחומים כמו תעשיה, מחקר ופיתוח, וכן בהיבט העסקי של "השורה התחתונה"?
רקע
הבינה האנושית תרמה רבות להבנה של תהליכים מורכבים. בעולמות המדע וההנדסה משמשים מודלים מתמטיים לתיאור כמותי ואיכותי של מערכות דינמיות מורכבות. שיטות מתמטיות וסטטיסטיות “מבוססות מודל” משמשות להבנת תהליכים דינמיים, לתכנון אופטימלי של ניסויים, לבדיקת השפעה של התערבויות על תהליך דינמי, לבחירת מודל לתהליך מתוך מספר אפשרויות. מודלים אלה נדרשים למדידה וחיזוי של מצב התהליך בזמן ובמרחב.
בהינתן כמות נתונים וכוח חישוב שלא היו בעבר, אנו צופים ביכולת מרשימה של הבינה המלאכותית, למידת המכונה ולמידה סטטיסטית לחלץ תובנות מנתונים בשיטות “חופשיות ממודל”. לדוגמא, שיטות המשמשות לסיווג תמונות, לעיבוד שפה טבעית, וכן בעולמות IoT על מנת להוציא מידע מתוך אותות של חיישנים מסוגים שונים, או לצורך פיתוח מערכות התראה והמלצה האמורות להחליף מערכות המבוססות על חוקים מסוג if-then. שיטות אלו נחקרות ומיושמות בעולם המדע ובתעשייה בתחומים מגוונים על מנת לפתור בעיות עסקיות, תפעוליות, מחקריות וכו’.
מטרות הסדנה
סדנה זו תציג סקירת מתודולוגיות עבודה ושיטות חישוביות לשילוב של ידע הנדסי ומודלים מתמטיים עם שיטות בינה מלאכותית כלמידה עמוקה ולמידת מכונה. שאלות ספציפיות שיקבלו מענה:
- כיצד לקחת בחשבון את הידע ההנדסי הנצבר לאורך שנים באפיון ופיתוח מערכות התראה והמלצה המבוססות על בינה מלאכותית?
- כיצד ניתן לפתח שיטות חישוביות המשלבות בצורה אופטימלית מודלים מתמטיים עם בינה מלאכותית? למשל שיטה שאיכות המדידה או החיזוי שלה טובה יותר מאשר שימוש בכל שיטה בנפרד.
הסדנה תספק תשובות לשאלות אלה ואחרות בעזרת פיתוחים תאורטיים ודוגמאות מעשיות. הסדנה תסקור את ההתפתחויות האחרונות במדעי הנתונים והבינה המלאכותית עם דגש על שיטות סטטיסטיות למערכות דינמיות וכלים מתקדמים מלמידת מכונה, למידה עמוקה ובאופן כללי יותר למידה סטטיסטית. בהמשך נתמקד במתודולוגיות ושיטות חישוביות המאפשרות לשלב בין שתי הגישות – בינה אנושית ובינה מלאכותית – על מנת להשיג תוצאות טובות יותר גם בהיבט מחקר ופיתוח וגם מבחינת “השורה התחתונה”.
אודות המרצה
ד”ר איתי דטנר
מרצה בכיר במחלקה לסטטיסטיקה באוניברסיטת חיפה, וחבר הנהלת המרכז למדעי הנתונים של האוניברסיטה, בתפקיד איש הקשר לתעשייה ולמגזר הציבורי. חוקר בתחומים למידה סטטיסטית של מערכות דינמיות, מודלים של טעויות מדידה וניתוח סטטיסטי של נתוני עתק. מפתח תיאוריה מתמטית וסטטיסטית, מתודולוגיה ואלגוריתמים להסקה וחיזוי בתחומים שונים שבהם מיושמים למידה סטטיסטית / למידת מכונה ובינה מלאכותית, כגון הנדסה, רפואה, אפידמיולוגיה וביולוגיה.
יזם, מדען נתונים ומומחה ל- AI בעל ניסיון של למעלה מ -20 שנה הכולל ניהול ופיתוח עסקי, וכן הובלת מחקר ופיתוח בתעשייה. מייסד ומנכ”ל של 360 Data Science העוסקת במתן שירותים בתחום מדעי הנתונים ובינה מלאכותית (ייעוץ אסטרטגי, מחקר ופיתוח, גיוס והובלה של צוותי מחקר ופיתוח).
כללי
- סדנה מקוונת בזום
- סה”כ 2 שעות אקדמיות – מפגש יחיד
- הסדנה בנויה מהרצאה פרונטלית בליווי הדגמות והמחשות
- קהל היעד: מהנדסים, מדעני נתונים ומתעניינים בתחום
- ההשתתפות בסדנה ללא עלות, אך מותנית ברישום מראש
- פתיחת הסדנה מותנית במינימום משתתפים
- מדובר בסדנה מקדימה לקורס שלם שנמצא בפיתוח
הרשמה
הנרשמים יקבלו מייל עם קישור להשתתפות מהזום. הקישור ישלח מכתובת:” Liz AEAI Webinar” (חשוב לוודא כי הרישום שלך יבוצע מכתובת הדוא”ל עליו מוגדר חשבון הזום שלך)
טופס הרשמה
יש למלא פרטים באנגלית
נשמח לראותך בסדנה!
כל הזכויות שמורות © אין לשכפל, להעתיק, לצלם, להקליט, לתרגם, לאחסן במאגרי מידע; לשדר או לקלוט בכל דרך או בכל אמצעי אלקטרוני, אופטי או מכני או אחר – כל חלק שהוא מהחומרים שבפעילות זו. שימוש מסחרי מכל סוג שהוא בחומרים הכלולים בפעילות זו אסור בהחלט