This post is also available in: enEnglish (אנגלית)

כולנו שמענו על צמד המילים הגדול – למידה עמוקה. אם במעגלים חברתיים, בכותרות של מאמרי חדשות או כחלק מחדשנות במקום העבודה. אז מהי בעצם המידה העמוקה?

למידה עמוקה היא תחום מחקר בלמידת המכונה המתבסס על ההנחה שמחשב יכול ללמוד וללמד את עצמו, ושואף ליצור חיקוי ממוחשב של פעילות המוח האנושי. היא מאפשרת למכונות לפתור בעיות מורכבות גם כשמספקים לה מערך נתונים מגוון, לא מובנה או מקושר. כיום, למידה עמוקה נמצאת כמעט בכל שדה טכני, החל מראיה ממוחשבת, דרך תרגום מכונה ועד לתחומי הביואינפורמטיקה וניתוח ממצאים רפואיים.

למידה עמוקה מתבססת על מודל הרשת העצבית המלאכותית (DNNs) שנוצר בהשראת עיבוד מידע וצמתי תקשורת מבוזרים המצויים במערכות ביולוגיות. רשתות אלו מחייבות אימון – משימה לא זולה, ודי מורכבת. אז איך הבנה טובה יותר על למידה עמוקה תוכל לעזור למצוא דרכים חדשות להקטין את עלויות האימון, ובכך להפוך את למידת המכונה ליעילה יותר? כלי אופן-סורס פייתון חדש בשם weightwatcher עשוי לסייע במשימה. לפי rebellionresearch.com, הכלי ניתן לשימוש בקרב משתתפים שיכולים להעריך את ביצועי למידת המכונה שלהם – מידע שעובר ניתוח מעמיק, ומספק למשתמש תובנות ונתונים לגבי תהליך האימון של המודל, וכמו כן מספק אזהרות אם משהו משתבש. 

הכלי החדש מיישם רעיונות מתחום הפיזיקה התיאורטית ונשען על מודלים של מטריצה אקראית (RMT) על מנת למדוד את מידת הקורלציה בדאטה. הוא יכול גם לשמש כדי לחזות את דיוק הבדיקה של מודל נתון ללא גישה לנתוני בדיקה קודמים, ומעבר לכך, לתרום ליצירת מודלים מאומנים מראש, שקל יותר לאמן ולכוון אותם ליישומים נוספים.

מעוניינים לצלול אל תוך עולם העתידנות הטכנולוגית? – הירשמו לINNOTECH 2023, הכנס והתערוכה הבינלאומיים לסייבר, HLS וחדשנות באקספו תל אביב ב29-30 במרץ.

מעוניינים בחסות / ביתן תצוגה בתערוכת ה-INNOTECH 2023? לחצו כאן לפרטים!