ExplAInable

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

למידת מכונה נורא כיפית ופשוטה כשמורידים מחברת מקאגל וכל הדאטא יושב בקובץ על המחשב ליד, אבל בחיים האמיתיים המצב לא כ"כ פשוט.

בפרק זה אסף פנחסי (יועץ בתחום, בוגר פייפל ובכיר בזברה מדיקל לש') לספר לנו על החיים האמיתיים.

שאלנו את אסף את כל השאלות הקשות: מחברות או קוד ? האם

feature store

זה משהו שאנחנו צריכים, ומתי הוא לא מתאים ?

וכמובן, מה ההבדל בין

ML engineering

ל

MLops

?

סטטיסטיקאים נחצים ל2 מחנות: הסטטיסטיקאים הקלאסיים-תדירותיים, והסטטיסטיקאים הבייסיאנים.

סטטיסטיקה בייסיאנית היא גישה שונה לסטטיסטיקה, שמנסה לדון בסבירות לא רק של הדאטא הנצפה בהנתן השערה, אלא גם בסבירות של הפרמטרים של ההתפלגות.

מודלים רבים כגון

GMM, Naive Bayes  ו Latent Dirrechlet allocation

מתבססים על סטטיסטיקה בייסיאנית, ולאחרונה גם רשתות נוירונים זוכות לפרשנות בייסיאנית.

בפרק נדבר על ההבדלים, ועל האומדים השונים של 2 הגישות.

בפרק זה אירחנו את ברק אור לספר לנו על ניווט אינרציאלי.

כשאנחנו חושבים על ניווט, אנחנו חושבים על גוגל מאפס, ווייז ושלל אפליקציות שמשתמשות ב

GPS.

אבל לג'י פי אס יש מגבלות, ויש דרכים נוספות לנווט - כגון מדדי תאוצה, מהירות ומצפן.

ברק יספר לנו על אלגוריתם קלמן פילטר ששרד את מבחן הזמן ועל הרחבות שלו עם למידת מכונה.

בפרק זה ראיינו את רועי טבח שייספר לנו על האתגרים בעולם הסייבר,

דיברנו על שימוש  באנומלי דטקשן להתראה על אירועים חשודים בלוגים של מערכות.

ודיברנו על מירוץ החימוש הנצחי בין התוקפים למגינים

כבר התרגלנו בעולם המשין לרנינג, ששום מודל לא שורד יותר משנה-שנתיים בתור ה

SOTA

עד שמגיעה גישה חדשה שטורפת את הקלפים.

לכן מעניין דווקא לדבר על

PPO

שנשאר הגישה הדומיננטי ב

Reinforcement learning

כבר חמש שנים, ולא נראה שהוא הולך לשום מקום.

נלמד על הבעיתיות של למידה רק עם גרדיאנט, ונדבר על מה זה "גרדיאנט טבעי"

בפרק זה אירחנו את דניאל חן מפייבר, לדבר על אלגוריתמי בנדיטים.

Multi armed bandit

היא גרסה מנוונת של

Reinforcement learning

אבל שימושית מאוד, עם אלגוריתמים ייחודיים לפתרון יעיל.

נדבר על שימושים בעולמות הפרסום, תימחור דינמי, ואיך מכניסים קונטקסט לבנדיטים ושומרים על שפיות.

פרק מהארכיון, עם מייק ארליכסון המפורסם מסקירות המאמרים.

בפרק זה נדבר על הדרך מאוטו-אנקודר אל

VAE

לצורך יצירה של דאטא סינטתי.

ונדבר על ההבדלים מול

GAN

בפרק זה נחזור לבסיס ונדבר על עצי החלטה, המודל הבסיסי והאינטואטיבי ביותר - שעדיין עובד יותר טוב על דאטא טבלאי.

נדבר על שיטות אימון חמדניות, ועל שימוש באנטרופיה כקירוב.

ונתאר מה ההבדל בין שיטות ה

ensemble

הנפוצות, בוסטינג לעומת באגינג.

נראה שלמידה ניגודית מקבלת המון תשומת לב לאחרונה, בעיבוד תמונה, טקסט ואפילו דאטא טבלאי.

נדבר על המאמר פורץ הדרך של הינטון

SimCLR

ונשווה אותו אל מול שיטות קלאסיות של הורדת מימד.