וובינר חדש ילמד אתכם כיצד לזהות אנומליות במערכת

תחום המחקר הבולט של השנים האחרונות יעמוד במרכז שתי הרצאות שיסקרו גישות שונות לפיתוח מודלים של זיהוי אנומליות. האירוע יתקיים בשלישי הקרוב (16.2) וההרשמה פתוחה

זיהוי אנומליות במערכת הוא אלמנט קריטי ואסטרטגי (צילום: לורנזו קפרו, Pixabay)

זיהוי אנומליות (Anomaly detection) הפך להיות אחד מתחומי המחקר החשובים ביותר בשנים האחרונות עבור מגוון רחב של חברות. הצורך לדעת מראש אילו תקלות או התנהגויות שונות יתרחשו במערכות הארגון הפך להיות אלמנט קריטי ואסטרטגי לגופים רבים, מכיוון שהוא מאפשר היערכות מראש לתקלות עתידיות וזיהוי הונאות או פעולות לא חוקיות. טיפול מונע יפתור אירועים כגון נפילת שרתים וחוסר תפקוד של ציוד טכני, ומגן על המצב הקיים.

בשנים האחרונות קיימת התעניינות רבה בתחום מצד גורמים רבים באקוסיסטם – גופי מחקר, אוניברסיטאות, סטארטאפים, חברות בינלאומיות ועוד. אלה מציעים גישות חדשניות לצפות בדאטה הקיים ולחזות ממנו חריגות עתידיות. כפי שניתן לדמיין, בזכות כניסתם של אלגוריתמים מתחום הבינה המלאכותית, מודלים של זיהוי אנומליות קיבלו גם הם זריקת מרץ וכעת הם מצליחים להציג ביצועים מרשימים מאוד – אפילו ללא הצורך בכמויות אדירות של דאטה או כוח חישוב חזק.

ביום שלישי, 16 בפברואר, יתקיים הוובינר Applied ML seminars – Anomaly detection שיעסוק בדיוק בנושאים האלו ויכלול שתי הרצאות טכניות שיסקרו גישות שונות לפיתוח מודלים של זיהוי אנומליות. האירוע מיועד למדעני נתונים שרוצים להכיר את התחום בצורה טכנית ומעמיקה יותר. הוובינר הוא חלק מסדרת האירועים Applied ML seminars של חברת Applied Materials וקהילת Machine & Deep Learning Israel, הסוקרת לעומק בכל פעם נושא טכני אחד בתחום ה-ML.

שינוי קטן יעזור להבין את הבעיה לעומק

ההרצאה הראשונה תהיה של ד”ר יונתן לזרסון, Lead AI Strategist בחברת Zebra Medical Vision, שידבר על הדרך בה ניתן להשתמש ב-Data augmentation כדי לשפר מודלים בתחום זיהוי האנומליות ו-Contrastive Learning. המשתתפים בהרצאה יוכלו ללמוד כיצד שינוי מסוים בדאטה עזור להבין את עולם הבעיה בצורה מדויקת יותר, וכפועל יוצא מכך לזהות מתי ישנה חריגה מהותית במודל.

אחריו יעלה רן יעקבי, Algorithm Developer בחברת Applied Materials וידבר בצורה מעמיקה יותר על הצדדים הטכניים של זיהוי אנומליות. יעקבי יתמקד בדרך בה ניתן לזהות חריגות באחת הסביבות המאתגרות ביותר: פסי יצור של שבבים בגודל של ננומטר. רן ירחיב על הדרך שבה פיתחו אלגוריתמים ב-Applied Materials שיוכלו לזהות פגמים גם בסדרי הגודל הזעירים הללו, וכיצד הם התבססו על טכניקות מעולמות ה-self-supervised representation learning כדי להגיע לאחוזי דיוק מרשימים. הוא ידבר גם על הדרך בה ניתן להחיל את הפתרונות האלה על נושאים נרחבים נוספים בתחום הראייה הממוחשבת וכיצד ניתן לאמץ אותם לפרויקטים שלכם.

לפרטים נוספים ולהרשמה

מערכת גיקטיים

גיקטיים, אתר חדשות הטכנולוגיה הגדול בישראל, פועל משנת 2009, ומהווה הבית של קהילת ההייטק, הסטארטאפים והטכנולוגיה בישראל

הגב

רוצה להיות הראשון להגיב?

avatar
Photo and Image Files
 
 
 
Audio and Video Files
 
 
 
Other File Types
 
 
 

* היי, אנחנו אוהבים תגובות!
תיקונים, תגובות קוטלות וכמובן תגובות מפרגנות - בכיף.
חופש הביטוי הוא ערך עליון, אבל לא נוכל להשלים עם תגובות שכוללות הסתה, הוצאת דיבה, תגובות שכוללות מידע המפר את תנאי השימוש של Geektime, תגובות שחורגות מהטעם הטוב ותגובות שהן בניגוד לדין. תגובות כאלו יימחקו מייד.

wpDiscuz

תגיות לכתבה: