כל מה שרציתם לדעת על Machine Learning ו- Deep Learning
DL או 'למידה עמוקה':
למידה עמוקה היא מודל חישובי המכיל קבוצת אלגוריתמים ונעשן על תשתיות של רשת נוירונים המחקים את תהליך הלמידה במוח האנושי. הגדולה של התחום הוא ליצור פתרונות לבעיות והליכים שגרתיים ויומיומיים-מדיבור בסמארטפון, תחבורה אוטונומית וכו'. בראש היכולות האלו המחשב יכול ללמוד וללמד את עצמו בדיוק כמו המוח האנושי.
הדוגמא המוחשית הראשונה לכך- תוכנת אלפא גו (AlphaGo) שפותחה במחלקת המחקר של גוגל, ניצח במשחק הלוח הסיני את יריבה האנושי (אלוף העולם הקוריאני) בתוצאה 4-1. גו נחשב למשחק מורכב הרבה יותר משחמט ועצם הניצחון הוא צעד משמעותי נוסף בעולם הai.
התחום משמש בעיקר למחקר RT בכמויות עצומות של דאטה.
- ראייה ממוחשבת
- זיהוי שפה ועיבוד טבעי
- רפואה
- רכבים אוטונומיים
- תחומי הסייבר
- פיננסיים
80 מתוך 100 חברות התוכנה הגדולות בעולם יאמצו בשנה הקרובה מערכות תוכנה חכמות המבוססות על בינה מלאכותית וטכנולוגיה קוגנטיבית. כמו כן סכום ההשקעה והרווח יגיעו ל50 מיליארד דולר עד שנת 2024!
המימד החמישי וDeep Instinct מותגו כחברות המשתמשות בטכנולוגיות המבוססות על למידה עמוקה.
Deep Instinct- הפועלת במרחב הסייבר
המימד החמישי- הפועלת לנתח כמויות גדולות של נתונים ממקורות שונים כדי לאתר איומים ביטחוניים בזמן אמת.
משרות הייטק מבוקשות:
- Data Scientist לחברת אלגוטריידינג
- Senior Algorithm Engineer לחברת סטארטאפ בעולם ה-agrotehc
- Tech Lead NLP
- Algorithm Engineer בחברת סטארטאפ עם מוצר משמעותי
- Machine Learning Algorithm לסטארטאפ בשרון
- Computer Vision Engineer
- Senior Machine Learning
- Data Science לסטארטאפ בעולם הוירטואליזציה
- Algorithm Engineer למעבדת חדשנות בעולם ה -big data
- דרוש/ה אלגוריתמאי/ת בתחום ה NLP
תפקידים רלוונטים:
למידה עמוקה היא תת תחום בתוך דיספלינה שנקראת למידת מכונה ML- אשר גם הוא תחת קורת הגג של בינה מלאכותית. בפועל למידה עמוקה נועדה לחקות כמה שיותר את פעולות הלמידה במוח האנושי והיא נעשית באמצעות של עיבוד מידע (דאטה).
ML או 'למידת מכונה':
את המעבר הגורלי והמוכר מנתונים למידע תוך שימוש בטכנולוגיית BIG DATA כולנו מכירות, כעט יש לזהות באמצעים חישוביים מאפיינים משותפים לכל המידע. המפתח לניתוח אוטומטי הוא Machine Learning! לא מדובר בטכנולוגיה או כלי ספציפי, אלא תחום מחקר מדעי, שמהותו הוא שילוב של אלמנטים מסטטיסטיקה ומדעי המחשב על מנת לאפשר זיהוי אוטומטי של דפוסים מעניינים בתוך כמויות גדולות של נתונים.
בשנים האחרונות, עם הגישה הקלה למאגרי מידע, אנו רואים צמיחה בשימוש של טכניקות ML להפקת תובנות עיסקיות.
במילים אחרות הml מיועד לתת לנו ניבויים טובים יותר לגבי העתיד גם מבלי שנוכל להסביר בפרטי פרטים את הגורמים לניבויים שכאלו.
בעבר עבודת הml דרשה צוות מומחים, תשתית חישובית משמעותית וכמות גדולה של מיגע. כיום בעידן הענן שתי הדרישות זמינות בלחיצת כפתור. רובנו מכירות את מקצוע בשמו Data Scientist אך כלים חדשים מורידים את הרף הנדרש גם לאנשים מן השורה (ולא רק לדוקטורנטים ולמומחי סטטיסטיקה).
בעולם הקוד הפתוח קיימות 2 סביבות שרלוונטיות עבור ML-
1) שפת R- היא הסטנדרט דה-פקטו של עולם ה-ML וכמעט לכל אלגוריתם מוכר קיים מימוש יעיל שניתן להשתמש בו ליישומים פרקטיים. סביבת הפיתוח של R נקראת R-Studio והיא סביבה גרפית מודרנית המכילה את כל היכולות המוכרות לנו מכלי פיתוח אחרים. כמו כן, קיימים חיבורים (bindings) בין שפות תכנות אחרות (C#, Java, C++ וכו’) ל-R, כך שניתן לכתוב אפליקציות בשפות אלו ולבצע את החישובים באמצעות R והמודולים הרלוונטים שלה.
2) Python- כלים מתמטיים וספריות יעילות ל-ML עיבוד שפה טבעית (Natural Language Processing – NLP) ותצוגה. השימוש הנפוץ של Jupyter מיועד לשלב גישה לתשתית Big Data (Hadoop) או Spark ספריות ML ותצוגה כאשר ביניהם משלבת שפת תכנות גמישה. קיום כל האלמנטים הללו בסביבה אחת מקלה מאוד על עבודת האנליסט ומאפשרת עבודה מהירה.
מידע נוסף:
- מרגישים שזה כבר לא זה? >> לוח דרושים הייטק
- רוצים לדעת כמה אתם שווים? >>טבלאות שכר הייטק
- חיפוש לפי חברות >> חברות הייטק בישראל
- משלוח קו"ח ישירות >> למשלוח קו"ח
