ExplAInable

View Top 200 Chart

Back to Rankings Page

Science
**ExplAInable**

תמיר נווה, אורי גורן, מייק ארליכסון והילה פז הרשפנג מארחים מומחים מעולם הבינה המלאכותית.
האזינו לשיחות עם חוקרי AI, דאטה סיינטסים, מהנדסי ML ומובילים בתעשייה, שמביאים לכם את האתגרים, המחשבות והתובנות המעניינות ביותר מבפנים.

Latest Episodes:

[25] אנומליות בתמונות עם ערן אילת Oct 18, 2022

Show notes

בפרק זה אירחנו את ערן אילת האנומליה, לדבר על חיזוי אנומליות בתמונות..

חיזוי של חריגות הוא קריטי לתחומים רבים כמו סייבר, הונאה פיננסית ובקרה על מודלים.

בעולמות התמונה, נדבר על שלושת הסוגים של חריגות, חריגה מההתפלגות

OOD

חריגה סמנטית, אובייקט לא מוכר.

ולבסוף חריגה כזיהוי של פגם (למשל בעולם היצור)

נדבר איך מודלים מתחום התמונה כמו קונטרסטיב, גאנ וטרנספורמרים משמשים גם לזיהוי חריגות

קרדיט למחקר משותף: מתן טור פז

[24] איך פרילנסר ניגש לפרויקט AI Oct 03, 2022

Show notes

תמיר ואורי, שניהם עוסקים כיועצים בתחום למידת המכונה - ועשו הרבה טעויות שניתן ללמוד מהם כשניגשים לפרויקט חדש.

בפרק זה, נדבר על שלושה פרויקטים לדוגמא - ומה הן השאלות והסוגיות שצריך להעלות לפני שמתחילים.

נדבר על מטריקות - איך מודדים פרויקט, על אתגרים טכניים.

איך בוחנים האם הדאטא מספק, והאם הארגון בכלל בשל ל

והכי חשוב - תיאום ציפיות לתוצרים של הפרויקט.

[23] Co-Pilot - Codex ויצירה של קוד עם מודלי שפה Sep 14, 2022

Show notes

הקופיילוט של גיטהאב הכניס למודעות תחום מחקר מרתק של

Program Synthesis

העוסק ביצירה של קוד מתוך טקסט או מתוך דוגמאות הרצה.

אורי, כמשתמש נלהב של טייס המשנה יספר מהחוויות שלו על השימוש - החוזקות והחולשות של הכלי.

ונדבר על קודקס, מודל השפה ש

Open AI

אימנו על גיטהאב, וכיצד הוא עובד.

כמו כן נסקור את תחום עיבוד השפה הפורמלי (לעומת שפה טבעית) ומה ההבדלים במטריקות והאתגרים הדומים והשונים.

[22] שישה מאמרים שכל דאטא סיינטינסט חייב להכיר עם שקד זיכלינסקי Sep 04, 2022

Show notes

בפרק זה אירחנו את שקד זיכלינסקי, ראש קבוצת ההמלצות של לייטריקס.

שקד ריכז עבורנו את ששת המאמרים החשובים שכל דאטא סיינטיסט מודרני חייב להכיר.

ששת המאמרים הם:

(1) Attention Is All You Need(2) BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding(3) A Style-Based Generator Architecture for Generative Adversarial Networks(4) Learning Transferable Visual Models From Natural Language Supervision(5) Mastering the Game of Go with Deep Neural Networks and Tree Search(6) Deep Neural Networks for YouTube Recommendations

שקד גם כתב בהרחבה במדיום פה:

https://towardsdatascience.com/6-papers-every-modern-data-scientist-must-read-1d0e708becd

[21] Novel Class Discovery זיו פרוינד על Aug 10, 2022

Show notes

בפרק זה אירחנו את זיו פרוינד שהכיר לנו מונח חדש לבעיה נפוצה.

מכירים את זה שאימנתם מודל שעובד מעולה כשמסווגים 10 מחלקות, אבל פתאום כשמגיעים לשטח מגלים שיש עוד 12 מחלקות שלא חשבתם עליהם ומבלבלות את המודל ?

זיו יספר על נסיונו בסיווג סיגנלים באלביט, ויספר על גישות לפתרון הבעיה.

נשמע לכם כמו קלאסטרינג ? גם לנו - נדבר על ההבדלים ועל שימוש בשיטות כמו

Contrastive

ללמידת ייצוגים מוכוונת לבעיית הקלאסיפיקציה שתבוא בהמשך.

לקריאה נוספת

[1]Hassen, Mehadi and Philip K. Chan. “Learning a Neural-network-based Representation for Open Set Recognition.” ArXiv abs/1802.04365 (2020): n. pag.

[1]Hsu, Yen-Chang, ZhaoyangLv, and Zsolt Kira. "Learning to cluster in order to transfer across domains and tasks.” ICLR 2018

[1]Yang, Bo, et al. "Towards k-means-friendly spaces: Simultaneous deep learning and clustering." international conference on machine learning. PMLR, 2017.

[1]Geng, Chuanxing, Sheng-jun Huang, and Songcan Chen. "Recent advances in open set recognition: A survey." IEEE transactions on pattern analysis and machine intelligence 43.10 (2020): 3614-3631.

[1]Min, Erxue, et al. "A survey of clustering with deep learning: From the perspective of network architecture." IEEE Access 6 (2018): 39501-39514.

[20] Multi-Task Learning עם איתי מרגולין Jul 19, 2022

Show notes

בפרק זה נראיין את איתי מרגולין על אחת הטכניקות הפרקטיות בתעשייה שכל עסקן דיפ לרנינג חייב להכיר.

מולטי-טאסק זו למידה של מספר משימות במקביל, ולמרות שהמונח קיים כבר עשרות שנים, הוא זכה להכרה מחדש עם פרוץ דיפ לחיינו.

נדבר על מתי למידה של מספר משימות מועילה, מתי היא מזיקה ?

מה ההבדל מול
Transfer learning ?
ואיך משלבים כמה מטרות לפונקציית לוס אחת

[19] מערכות המלצה בטאבולה עם דנה קנר Jul 05, 2022

Show notes

כמשתמשים אנחנו נחפשים למערכות המלצה כל הזמן, בין אם זה בסופר בקניות או בגלילת סרטים בנטפליקס.

בפרק זה נדבר עם דנה, על איך טאבולה, ענקית ההמלצות העולמית ממליצה לנו על כתבות דומות כשאנחנו גולשים באינטרנט.

נדבר על המלצות מבוססות תוכן בלבד

content filtering

המלצות מבוססות אינטראקציות בלבד, בהשראת פרס נטפליקס 2009

collaborative filtering

ונדבר על מימושים כגון וריאציות על

matrix factorization

factorization machines

כדי לשלב גם תכנים וגם התנהגות משתמשים להמלצה אחת.

כמו כן נדבר על איך טאבולה עושים

Transfer learning

כשיש טראפיק מועט, או כשיש תלות גדולה בין אתרים.

[18] זיהוי אובייקטים עם אברהם רביב Jun 15, 2022

Show notes

בפרק זה נדבר על זיהוי אובייקטים בתמונה, ונארח את אברהם רביב - דוקטורנט בתחום בבר אילן ופעיל מאוד בקהילה עם הסקירות המעולות שלו.

נדבר על בעיות בראיה ממוחשבת, מקלאסיפיקציה, דרך זיהוי אובייקטים ועד סגמנטציה - ועל הקושי בתיוג.

זיהוי אובייקטים יכול להיות ממודל או כבעיה דו שלבית, הכוללת שלב נקודות עניין ואז קלאסיפיקציה או יחדיו - ונזכיר את

YOLO

שהיה מודל חלוצי בתחום.

נדבר על המעבר מרשתות

CNN

לטרנספורמרים, ועל המודל

DETR

סקירה של אברהם רביב על דיטר:

https://github.com/AvrahamRaviv/Deep-Learning-in-Hebrew/blob/main/deepnightleaners%20reviews/DETR.pdf

[17] Diffusion Denoising Models עם מייק ארליכסון May 30, 2022

Show notes

ראיון מיוחד עם מייק ארליכסון האחד והיחיד על מודל גנרטיבי "חדש".

Diffusion Models
הם שיטה חדש לפעפוע רעש, ואימון מודל להפוך רעש על ידי סדרה של מודלים לתמונות סופר איכותיות.

נדבר על המאמר:

Diffusion models beat gans on image synthesis

שמראה שמודלי דיפוזיה מצליחים להביס מודלים קודמים כגון

GANs.
ונסקור את המטריקות לאיכות תמונה שנבדקו, כמו כן נדבר על החסרונות של
DDPM
לעומת
VAE & GANs

[16] MLOps עם אורן רזון May 18, 2022

Show notes

בפרק זה נדבר עם אורן רזון שמוביל את

superwise

על שלושת השלבים של דיפלוימנט של מודלי למידת מכונה.

נדבר על מה יכול להשתבש בפרודקשן כשמודל מתיישן והעולם מתיישן, ואיך ניתן להיות עם יד על הדופק עם
Monitoring

קישורים רלוונטים:

Building your MLOps roadmap

Build or buy? Choosing the right strategy for your model observability Superwise Community Edition

Our TOPPODCAST Picks

Follow Us

Stay Connected

Related Podcasts

Links

Stay Connected