MATLAB EXPO 2019

W tym roku nasza doroczna konferencja została włączona do cyklu MATLAB EXPO organizowanego przez firmę MathWorks. Tematem przewodnim konferencji jest sztuczna inteligencja – AI (ang. Artificial Intelligence). Z tym pojęciem coraz częściej spotykamy się zarówno w mediach, jak i w zaawansowanych projektach inżynierskich. Techniki uczenia maszynowego i głębokich sieci neuronowych używane są tam, gdzie konieczne jest efektywne podejmowanie decyzji na podstawie analizy danych, również gdy dane te nie są kompletne lub obciążone pewną niepewnością.

Modele wykorzystujące techniki sztucznej inteligencji, w odróżnieniu od klasycznych modeli statystycznych, są w stanie wyodrębniać w danych charakterystyczne wzorce, które następnie mogą służyć do klasyfikacji konkretnych przypadków. W ten sposób można tworzyć modele prognozujące różne zjawiska np. zachowania rynku, zużycie energii lub określenie czasu kolejnego przeglądu technicznego urządzenia. AI jest na przykład stosowana do wykrywania obiektów na obrazach, przy monitorowaniu procesów, optymalizacji kampanii reklamowych lub oceny ryzyka inwestycyjnego. Użycie sztucznej inteligencji najczęściej poprzedzone jest procesem „uczenia” algorytmów, którego efektywność zależy od użytego środowiska programowego.

Uczestnicy konferencji będą mogli dowiedzieć się jak ten obszar wspierany jest przez oprogramowanie MATLAB i Simulink. Prezentacje prowadzone przez specjalistów z firmy MathWorks oraz naszych inżynierów będą dotyczyć głównie zastosowania technik AI w przedsiębiorstwach. Ponadto, wybrani klienci podzielą się swoimi doświadczeniami i pokażą, w jaki sposób poprawili efekty realizowanych projektów dzięki wykorzystaniu oprogramowania MATLAB. Równolegle z prezentacjami będzie można skorzystać z warsztatów na temat Deep Learning prowadzonych przez naszych inżynierów. Nie zabraknie także informacji o nowych produktach w wydaniu R2019a oraz rozszerzonej funkcjonalności środowiska MATLAB/Simulink.

——————–

Prelegenci i strzeszczenia prezentacji

John Zhao – Product Marketing Manager, MathWorks

John Zhao is a senior manager leading a global team of technical product managers for software products in digital signal processing, wireless communications, and FPGA/ASIC/SoC prototyping product areas, focusing on managing long term product strategy and roadmap, developing new market, and providing technical solutions for customers.

John joined MathWorks in 2003. Prior to current position, John served as the architect, and engineering team manager for HDL Coder, a product that generates optimized RTL code from Simulink and MATLAB.

Are You Ready for AI? Is AI Ready for You?

AI, or Artificial Intelligence, is powering a massive shift in the roles that computers play in our personal and professional lives. Most technical organizations expect to gain or strengthen their competitive advantage through the use of AI. But are you in a position to fulfill that expectation, to transform your research, your products, or your business using AI?

John Zao looks at the techniques that compose AI (deep learning, computer vision, robotics, and more), enabling you to identify opportunities to leverage it in your work. You will also learn how MATLAB^® and Simulink^® are giving engineers and scientists AI capabilities that were previously available only to highly-specialized software developers and data scientists.

Olof Larsson – Application Engineer, MathWorks

Olof Larsson joined the application engineering team at MathWorks in September 2016. He works with MATLAB applications such as data analytics, computational scaling, and application deployment. He focuses on supporting customers with integrating their MATLAB workflows with common IT systems and cloud solutions. Before MathWorks, Olof worked as a software engineer in the automotive industry. He holds an M.Sc. in applied physics and electrical engineering from Linköping University.

Unlocking the Power of Machine Learning

Machine learning is driving innovation in many application areas, including predictive maintenance, digital health and patient monitoring, financial portfolio forecasting, and advanced driver assistance. Developing machine learning models and deploying them on embedded systems or cloud infrastructure often still requires significant expertise with signal processing, big data, and model optimization.

In the context of obtaining insights from real world data, this talk addresses how MATLAB^® empowers engineers and scientists without significant signal processing and machine learning expertise to tackle challenges like:

• Importing, visualizing, and preprocessing time-series and other data Detecting and extracting features in time, frequency, and time-frequency domains from signals
• Exploring advanced signal processing and transfer learning techniques for time-series classification
• Evaluating multiple models and working with large amounts of data
• Optimizing performance, including hyperparameter tuning
• Deploying models in production IT systems or on embedded devices

Scaling up MATLAB Analytics with Kafka and Cloud Services

As the size and variety of your engineering data has grown, so has the capability to access, process, and analyze those (big) engineering data sets in MATLAB^®. With the rise of streaming data technologies and large-scale cloud infrastructure, the volume and velocity of this data has increased significantly, and this has motivated new approaches to handle data-in-motion. This presentation and demo highlights the use of MATLAB as a data analytics platform with best-in-class stream processing frameworks and cloud infrastructure to express MATLAB based workflows that enable decision-making in “near-real-time” through the application of machine learning models. It demonstrates how to use MATLAB Production Server™ to deploy these models on streams of data from Apache^® Kafka^™. The demonstration shows a full workflow from the development of a machine learning model in MATLAB to deploying it to work with a real-world sized problem running on the cloud.

dr hab. inż. Piotr Olaszek, prof. instytutu, Instytut Badawczy Dróg i Mostów

Zastosowanie oprogramowania MATLAB do monitoringu przemieszczeń kolejowych konstrukcji mostowych

W ramach projektu badawczego został opracowany system pośredniego pomiaru przemieszczeń na podstawie sygnałów z inklinometrów i akcelerometru. Z wykorzystaniem gotowych funkcji oprogramowania MATLAB opracowano nowatorski system przetwarzania i integracji tych sygnałów. Do tworzenia i testowania systemu opracowano aplikację bazującą na App Designerze, która scala całość działań w jednym przyjaznym użytkownikowi otoczeniu graficznym.

Maciej Kraszewski – Team Manager, R&D Advanced Research w OptiNav Sp. z o.o.

Vojtech Mańkowski – Engineer, R&D Advanced Research w OptiNav Sp. z o.o.

Zastosowanie środowiska MATLAB w nowych systemach kontrolno-pomiarowych dla przemysłu motoryzacyjnego

Środowisko MATLAB zapewnia liczne funkcjonalności ułatwiające realizację prac badawczo-rozwojowych. Z punktu widzenia prac prowadzonych w firmie OptiNav do najistotniejszych należą: efektywne implementacje metod numerycznych, narzędzia do wizualizacji danych oraz możliwość pracy w trybie interaktywnej sesji. Podczas prezentacji chcielibyśmy podzielić się częścią doświadczeń firmy OptiNav w zakresie wykorzystania środowiska MATLAB w pracach nad rozwojem nowoczesnych systemów kontrolno-pomiarowych opartych o widzenie maszynowe i skierowanych przede wszystkim do przemysłu motoryzacyjnego. Pokażemy jak odeszliśmy od  „klasycznego”, wykładanego na uczelniach wykorzystania MATLABa na rzecz bardziej nowoczesnych technik programowania takich jak programowanie obiektowe i funkcyjne oraz jak łączymy funkcjonalności MATLABa z kodem uruchamianym na platformie .NET Framework. Podejście to pozwala na efektywne tworzenie aplikacji łączących ze sobą zaawansowane obliczenia numeryczne i wizualizację danych ze sterowaniem elementami złożonego systemu składającego się z kamer wizyjnych, sensorów i robotów przemysłowych. Pokażemy też jak tworzyć kod działający asynchronicznie co umożliwia tworzenie nieblokujących się interfejsów użytkownika czy aplikacji typu klient-serwer.

Joanna Wyroba – Inżynier Aplikacji, ONT

Joanna Wyroba jest inżynierem aplikacji w firmie Oprogramowanie Naukowo-Techniczne sp. z o.o. sp. k. Zajmuje się matematyką finansową, obliczeniami matematycznymi, aplikacjami graficznymi (GUI) i optymalizacją w MATLABie. Ukończyła kierunek Matematyka Ogólna oraz Matematyka Finansowa na Uniwersytecie Jagiellońskim w Krakowie.

Uczenie maszynowe w zastosowaniach finansowych

Uczenie maszynowe jest właściwie wszechobecne ze względu na szeroki zakres zastosowań. Technika ta jest coraz częściej wykorzystywana w dzisiejszym świecie do podejmowania kluczowych decyzji biznesowych i życiowych. Podczas tej prezentacji zostaną pokazane wybrane techniki uczenia maszynowego dostępne w MATLABie na przykładzie m.in. klasteryzacji obligacji korporacyjnych.

dr inż. Jaromir Przybyło – Inżynier Aplikacji, ONT

Dr inż. Jaromir Przybylo jest inżynierem aplikacji i konsultantem w firmie Oprogramowanie Naukowo-Techniczne sp. z o.o. sp. k. Zajmuje się m.in. przetwarzaniem i analizą obrazów (ang. computer vision) oraz uczeniem maszynowym i głębokim (ang. machine and deep learning). Jego zainteresowania naukowe obejmują takie dziedziny jak: interfejsy człowiek-komputer, wzbogacona i rozszerzona rzeczywistość oraz nowoczesne technologie w służbie osobom starszym (AALT). Dr inż. Jaromir Przybyło pracuje również na stanowisku adiunkta w Katedrze Automatyki i Inżynierii Biomedycznej AGH.

Głębokie sieci neuronowe w MATLABie

W ostatnich latach nastąpił istotny rozwój nowoczesnych technologii, szczególnie uczenia maszynowego oraz głębokich sieci neuronowych (DNN). Znajdują one zastosowanie w wielu dziedzinach, takich jak np. analityka danych, przetwarzanie obrazów, analiza sygnałów. W trakcie niniejszego seminarium przedstawione zostaną różne przykłady użycia głębokich sieci neuronowych w środowisku MATLAB.