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.

בהמשך לסיקור החדשותי של זילו, והחיזוי מחירי נדלן שהביאו להפסדים של מיליארדים - תמיר ואורי מתוודאים על פדיחות שעשו בפרויקטים.

מה קורה כשהמודל מושלם אבל תהליך יצירת הדאטא פחות ? איך פרויקט תיוג יכול להשתבש ולהתפוצץ בפנים, וכמובן - כמה חשוב לקרוא את האותיות הקטנות בדוקמנטציה.

בפרק זה אירחנו את אמיר עברי להסביר לנו על עיבוד קול, מה הם השלבים השונים בפייפליין של

Speech recognition

ועל האתגרים בתחום. בפרק נדבר על שיטות כגון

MFCC

לעיבוד אותות שמע, וכיצד אפשר להתמודד עם המימד הגבוה עםטכניקות כמו

Diffusion maps

כדי לאפשר עיבוד בזמן אמת.

על מהפכת הדיפ לרנינג לא צריך להרחיב, כולנו מכירים וחלקנו אף מימשנו.

אבל למה לעזאזל הדבר הזה עובד ? בפרק זה אירחנו את גלעד יהודאי, סטודנט לדוקטורט לתחום ושאלנו אותו את השאלות הקשות.

נלמד מה זה "אוברפיטינג שפיר" מה היא תופעת ה"ירידה הכפולה" ומה הם שלושת סוגי הטעויות בלמידה.

בפרק זה אורי מארח את רעות צרפתי לדבר על עיבוד שפה בעברית.

מה ההבדל בכלל בין עברית לאנגלית ? למה זה יותר קשה ?

האם החיים היו יותר קלים אם היינו כותבים עם ניקוד ?

ודיברנו על ההבדלים הבלשניים של שפות שמיות (עברית וערבית) אל מול שפות הודו אירופאיות.

קיבלתם פעם דאטאסט עם "כל הדברים שחשוב לזהות" אבל בלי אף דוגמא שלילית ?

אני בטוח שכן, אפשרות אחת לפתרון היא למדל את הבעיה כקלאסיפיקציה ואיכשהו להמציא דוגמאות שליליות.

או, לחילופין למדל את הבעיה כ

Positive Unlabeled Learning

אבל מה זה ?

שי פלצ'י יסביר לנו ויספר על הספריה שלו

pu-learn

Tamir Nave and Uri Goren introduce themselves and the new podcast format.