נגישות       נגישות
שינוי גודל טקסט:
א א א
שינוי צבעי האתר:
? מקשי קיצור:

לחיצה חוזרת ונשנית על המקש Tab תעביר אתכם בין הקישורים והאזורים השונים בעמוד.

הפעלת מקשי הקיצור תלויה בדפדפן שבו אתם משתמשים.

Internet Explorer, Chrome ובגרסאות ישנות של Firefox: לחצו על מקש Alt ועל מקש המספר או האות על-פי הרשימה. ב Firefox 3 ומעלה: לחצו על המקשים Alt + Shift + המספר או האות.

S - עבור לתוכן הדף
L - חיפוש
1- עמוד הבית
2 - פרוייקטים
3 - מדריכים
4 - אודות
5 - צרו קשר
6 - הצהרת נגישות
 

מדריכי רשתטק לתכנות אתרי אינטרנט

איך להיות כל כך טוב עד שהם לא יוכלו להתעלם ממך?

15.06.2019 | כישורי חיים | יוסי בן הרוש

התרבות שלנו מעריצה אומנים מומחים והרבה פעמים נוצרת התחושה אצל העצלים שבצרכני התקשורת שמומחיות היא משהו שקיים אצל אחרים. כי אלוהים נגע בהם או כי יש להם גנטיקה טובה או כישרון מיוחד. המאמר הבא סוקר את ספריהם של שלושה כותבים שחקרו במשך עשרות שנים מומחים מובילים בתחומים שונים, ומגיעים למסקנה שכמעט כל אחד יכול להפוך למומחה בתנאי שישקיע מאמץ מכוון רב לאורך שנים בריכוז גבוה ומתוך כוונה מלאה.

איך להיות כל כך טוב עד שהם לא יוכלו להתעלם ממך?

כיצד לחזור על אותם תוצאות בדיוק כשמשתמשים ב-Keras לצורך למידת מכונה

15.06.2019 | מדריך למידת מכונה | יוסי בן הרוש

ודאי שמתם לב שכשאתם מאמנים את אותו המודל שפתחתם ב-Keras על אותם הנתונים אתם מקבלים תוצאות שונות. השונות הזו מובנית במערכת אבל לפעמים אנחנו מעוניינים לקבל תוצאות עקביות אז במדריך זה נלמד כיצד לאלץ את המערכת להנפיק את אותם התוצאות בכל פעם ובתנאי שמשתמשים באותו המודל ובאותם הנתונים.

כיצד לחזור על אותם תוצאות בדיוק כשמשתמשים ב-Keras לצורך למידת מכונה

רגרסיה לינארית באמצעות Keras

14.06.2019 | מדריך למידת מכונה | יוסי בן הרוש

רגרסיה לינארית משמשת למציאת הקשר בין נתונים מספריים. במדריך זה נמצא את המתאם (קורלציה) בין שטח בית ומחירו באמצעות למידת מכונה וספריית Keras. קיימות שיטות פשוטות יותר למציאת רגרסיה לינארית מאשר למידת מכונה אבל אותנו מעניין ללמוד והדוגמה במדריך היא הפשוטה ביותר שאני יכול לחשוב עליה.

רגרסיה לינארית באמצעות Keras

פיתוח מודל לאנליזת סנטימנט באמצעות למידת מכונה ו-keras

07.06.2019 | מדריך למידת מכונה | יוסי בן הרוש

במדריך זה נלמד את המחשב להבחין בין טקסטים המבטאים דעות חיוביות ושליליות (sentiment analysis) באמצעות python ו-Keras. למידת מכונה ממידע טקסטואלי נקראת עיבוד שפה טבעית (Natural Language Processing, NLP).

פיתוח מודל לאנליזת סנטימנט באמצעות למידת מכונה ו-keras

למידת מכונה : סיווג תמונות באמצעות מודל VGG16 (חלק ד) - הערכת המודל

31.05.2019 | מדריך למידת מכונה | יוסי בן הרוש

בשלושת המדריכים הקודמים בסדרה פתחנו מודל לסיווג תמונות באמצעות למידת מכונה וייעוד מחדש של מודל קיים VGG16. מודל מוצלח מצליח להכליל מסט הנתונים שעליהם הוא פותח לנתונים אחרים שאליהם הוא לא נחשף במהלך תהליך הפיתוח. כפי שראינו במדריך קודם המודל אותו פיתחנו הצליח לסווג נכונה למעלה מ-97% מהתמונות בסט המבחן, למרות שהמודל לא נחשף לתמונות אילו בתהליך האימון. במדריך זה נמשיך לנסות ולהעריך את מידת האמינות של המודל בגישות שונות.

למידת מכונה : סיווג תמונות באמצעות מודל VGG16 (חלק ד) - הערכת המודל

למידת מכונה: סיווג תמונות באמצעות מודל VGG16 (חלק ג) למידת העברה ולמידה בפועל

24.05.2019 | מדריך למידת מכונה | יוסי בן הרוש

אחרי שבמדריכים קודמים הורדנו את מאגר הנתונים והכנו את מבנה התיקיות במדריך השלישי בסדרה על למידת העברה, transfer learning, נאמן את המודל בפועל לאחר שנחליף בו את השכבות המסווגות.

למידת מכונה: סיווג תמונות באמצעות מודל VGG16 (חלק ג) למידת העברה ולמידה בפועל

למידת מכונה: סיווג תמונות באמצעות מודל VGG16 (חלק ב) - הבניית התיקיות

18.05.2019 | מדריך למידת מכונה | יוסי בן הרוש

במדריך השני בסדרת transfer learning כדי לעשות למידת מכונה נבנה את התיקיות שישמשו אותנו לאימון המודל להבחין בין תמונות כלבים וחתולים

למידת מכונה: סיווג תמונות באמצעות מודל VGG16 (חלק ב) - הבניית התיקיות

סיווג תמונות באמצעות מודל מאומן VGG16 על מסד נתונים שהורדנו מ-kaggle

10.05.2019 | מדריך למידת מכונה | יוסי בן הרוש

בסדרה זו נלמד לסווג תמונות באמצעות מודלים מאומנים שנתאים לצרכינו. במדריך הראשון בסדרה נאמץ מסד נתונים קיים מ-Kaggle שמכיל קרוב ל-40,000 תמונות.

סיווג תמונות באמצעות מודל מאומן VGG16 על מסד נתונים שהורדנו מ-kaggle

ארועי ברבור שחור וניהול סיכונים בעולם בלתי צפוי

03.05.2019 | כישורי חיים | יוסי בן הרוש

נסים ניקולס טאלב, המחבר של הספר ברבור שחור כותב על אותם אירועים נדירים לכאורה שמשנים את המציאות מהיסוד אבל קשה לנו לנחש שיתרחשו, אירועי ברבור שחור. אירועים כדוגמת המצאת המחשב והאינטרנט וגם נפילת מגדלי התאומים, הופעת דאעש, רעידות אדמה ושיטפונות.

ארועי ברבור שחור וניהול סיכונים בעולם בלתי צפוי

סיווג תמונות באמצעות מודל VGG16 וממשק Keras

26.04.2019 | מדריך למידת מכונה | יוסי בן הרוש

במדריך הקודם ניסינו לזהות תמונה של חפץ באמצעות מודל מאומן מוכן ששמו MobileNet. המודל אומנם הצליח בסיווג תמונות קונבנציונליות של מכוניות, אבל כשל בניסיון לזהות חפץ שאני צילמתי שהוא פסלון אדם נוהג במכונית. במדריך זה, ננסה לסווג באמצעות מודל טוב בהרבה, VGG16, שפותח על ידי חוקרים מאוקספורד ואף זכה בתחרויות של סיווג תמונות. המודל פותח על מאגר תמונות ענק ששמו ImageNet המכיל למעלה מ-14,000,000 תמונות המשתייכות ל-1000 קטגוריות. פיתוח המודל דרש מומחיות גבוהה ומספר שבועות של הרצה על מחשבים חזקים במיוחד. למזלנו, המפתחים של המודל בחרו לשחרר אותו לשימוש הציבור, וגם אנחנו נשתמש בו כדי לנסות לסווג את התמונות שלנו.

סיווג תמונות באמצעות מודל VGG16 וממשק Keras