Symeon Sideris-Ph.D student under the supervision of Prof. Tal Ellenbogen

סמינר המחלקה לאלקטרוניקה פיזיקלית

 

13 בפברואר 2024, 15:00 
zoom  
Symeon Sideris-Ph.D student under the supervision of Prof. Tal Ellenbogen

 

מלגות Future Tech למצוינות מבית Monday

31 בינואר 2024, 12:00 - 17:00 
 
מלגות מאנדיי למצויינות

קול קורא להענקת מלגותFuture Tech   למצוינות

חברת Monday תחלק 30 מלגות לסטודנטים.ות מצטיינים.ות

מהתכנית מדעים דיגיטליים להייטק בפקולטה להנדסה

 

הפקולטה להנדסה של אוניברסיטת תל אביב בשיתוף monday.com שמחים להכריז על תכנית מלגות MONDAY.

החברה מעניקה לכם.ן הזדמנות ייחודית להצטרף לקהילת  monday לסטודנטים.ות מצטיינים.ות.

 

חברת monday  נוסדה בישראל ב-2014 ע״י רועי מן וערן זינמן, כשהמוצר בפיתוחה שינה לחלוטין את האופן שבו צוותים עובדים ביחד.monday  מתמקדת במוצר לניהול כוח-אדם, מתוך האמונה שהעובדים הם המשאב החשוב ביותר בחברה. הפלטפורמה של החברה מאפשרת לצוותים לתכנן, לנהל ולעקוב אחרי כל המשימות והתהליכים שהם מנהלים, באמצעות ממשק פשוט ומזמין שמחביא בתוכו יכולות מורכבות רבות. monday ממשיכה לצמוח במהירות, ומונה למעלה מ-1,500 עובדים ויותר מ-100,000 לקוחות. בין לקוחותיה הבולטים נמנים: Adidas, Samsung, Uber, WeWork, McDonalds, Wix.

 

מידע נוסף אודות החברה ניתן למצוא באתר https://monday.com/

 

תנאים להגשת מועמדות:

  • המלגה היא לשנת לימודים תשפ"ד (2024-2023)
  • המלגה מיועדת לסטודנטים.ות מצטיינים.ות שסיימו את שנה א' או ב' בתוכנית מדעים דיגיטליים להיי-טק.
  • תנאי סף להגשת מועמדות: ממוצע ציונים 85 ומעלה וגיליון נקי מהרשעות משמעת.
  • המלגות תהיינה בגובה שכר לימוד שנתי.
  • אמת המידה העיקרית לזכייה במלגה הינה מצוינות בלימודים.
  • אמות מידה נוספות שמהוות יתרון: >> ניסיון יזמי מוכח >> התנדבות בקהילה >> הקדשת זמן מלא ללימודים >> מתן הזדמנויות לאוכלוסיות בלתי מיוצגות.

 

מידע נוסף:

  • הגשת מועמדות עד ליום 30.01.24
  • יש לצרף קורות חיים, תדפיס ציונים והמלצות (אם יש).
  • הבהרה: החלטה על בחירת זוכי המלגות תעשה על ידי הפקולטה להנדסה ובאישור החברה על-פי אמות המידה שפורטו לעיל. פרטי הקשר של הסטודנטים.ות הנבחרים יועברו לחברת Monday בכפוף להסכמתם.

 

לפרטים נוספים והגשת מועמדות:

ניתן לפנות ללילי וייצמן, אחראית קשרי תעשיה-אקדמיה של הפקולטה להנדסה במייל lillyw@tauex.tau.ac.il

בטלפון 03-6408216, 052-6678342

 

 

                                                                                            

Improving EEG spatial resolution by multiphysical measurements - Evgeny Tsizin

סמינר המחלקה לאלקטרוניקה פיזיקלית

 

16 בינואר 2024, 15:00 
011,Kitot Building  
Improving EEG spatial resolution by multiphysical measurements - Evgeny Tsizin

 

עבור אדי שרגא, שסיים לאחרונה תואר שני בהנדסת חשמל בהנחיית פרופ׳ גילי ביסקר מהמחלקה להנדסה ביורפואית, היה זה המפגש הראשון עם התולעים הידועות Caenorhabditis Elegans (C.elegans), והיה זה מפגש אפילו מיקרוסקופי.

 

במאמר שלו שפורסם לראשונה החודש במגזין “Advanced Materials Technologies” בנושא:

“Spatiotemporal Tracking of Near-Infrared Fluorescent Single-Walled Carbon Nanotubes in C. Elegans Nematodes Confined in a Microfluidics Platform”

 

מתאר אדי את השימוש החדשני בננו-צינוריות מפחמן פלואורסנטיות כננו-גלאים למעקב אחר מערכת העיכול של תולעת ה- C. elegans, פרופ' ביסקר וקבוצתה מפתחת במעבדה שלה ננו-חיישנים אופטיים תוך שימוש בתכונות האופטיות של ננו-צינוריות מפחמן כדי לזהות ולכמת מולקולות ביולוגיות בצורה ספציפית וסלקטיבית. בשנים האחרונות נערכו בין היתר גם מחקרים בנושאי דימות in vivo באורגניזמים ביולוגים מורכבים כדוגמת תולעי ה C. elegans תוך שימוש בננו-צינוריות פחמן כחיישנים אופטיים. בנוסף, היא חוקרת מערכות מורכבות מחוץ לשיווי משקל תרמודינמי, בהשראת מערכות ביולוגיות.

 

ננו-צינוריות פחמן כחיישני מעקב במערכת ההזנה של תולעי C. elegans

 

תולעי נמטודה מסוג C. elegans, הן אורגניזם מודל רב שימושי למחקרים ביולוגיים וביו-רפואיים מגוונים, המשתמשים בדמיון הגנטי שלהם לבני אדם, בגודלן הזעיר, ובשקיפות הגוף שלהן. עם זאת, הדמיית הפלואורסנציה שלהן יכולה להיות מאתגרת בשל פליטת אוטו-פלואורסנציה החזקה שלהן בטווח אורכי הגל הנראה לעין, תופעה שעלולה להסתיר את האות המתקבל למשל בעת דימות של חלבונים פלואורסנטים נפוצים או צבענים. ננו-צינוריות פחמן חד-שכבתיות (Single-walled carbon nanotubes, SWCNT) פולטות פלואורסנציה בטווח האינפרה-אדום הקרוב (Near infrared, NIR), שבו אין לתולעים רקע פלואורסנטי עצמי.

במחקר זה, פותחה פלטפורמה להדמיית אינפרה-אדום in vivo, במערכת העיכול של תולעי C. elegans, העושה שימוש בננו-צינוריות פחמן חד-שכבתיות בעלות תאימות פונקציונאלית ביולוגית. ננו-צינוריות הפחמן משמשות כסמני מעקב פלואורסנטיים בתוך מערכת העיכול של התולעת, המוחדרות לתולעת יחד עם צריכת המזון. תכונותיהן הייחודיות של ננו-צינוריות הפחמן מאפשרות מעקב ודימות לפרקי זמן ארוכים. בנוסף נעשה במחקר זה שימוש במנגנון בקרה תנועתית של התולעים על בסיס התקן מיקרו-פלואידיקה (Microfluidic device) על מנת להבטיח סביבת האכלה נטולת חומרי הרדמה, המאפשרת שליטה מרחבית וזמנית אופטימלית בתהליך ההדמיה.

 

איור מתוך המאמר: a) הדמיה מולטי ספקטרלית בתחומים של אורכי גל בתחום הנראה, אינפרה אדום ואור לבן, המראה קו-לוקליזציה ספקטרלית בתולעי C. elegans שבתוכן החיישנים המבוססים על ננו-צינוריות פחמן. b) דימות בתולעים חופשיות. c) דימות בתולעים כלואות בהתקן מיקרופלואידי על רקע אוטופלוארסנציה חזקה של התולעת בתחום הנראה.

 

בתמונה: המערכת והפרוצדורות הניסיוניות: a) הטענת ה- C. elegans לפלטפורמה המיקרופלואידית. b) דימות פלורסנטי בזמן אמת של הננוטויבס בתוך התולעים המוחזקות בתעלות המיקרופלואידיות.

 

  אז מה חדש?

במחקר הודגם שיפור בקו-לוקליזציה (colocalization) הספקטרלית, יכולת זיהוי בזמן אמת של תנועת ננו-הצינוריות מפחמן בתוך גוף התולעת, ומעקב אחר מסלולי העיכול.

 

  איך המחקר יכול לסייע בעתיד?

הפלטפורמה המוצעת מאפשרת יכולות הדמיה מתקדמות של תולעי C. elegans ,הן בטווח ארכי הגל הנראה והן בטווח האינפרה-אדום הקרוב, תוך הפרדה ספקטרלית. השימוש בחיישנים המבוססים על ננו-צינוריות מפחמן פותח אפיקים רבים למחקר ודימות באורגניזמים מיקרוסקופיים אחרים.

 

Chief Technology Officer

 

Qualifications:

▪Strong leadership skills with a proven ability to guide and inspire technical teams

▪5+ years of hands-on experience in backend engineering, with expertise in Python

« חזרה לכל המשרות

Industrial Engineering Student

Job Description

  • Product Manager Assistant
  • Working in the SSD Product Management team
  • Product requirements management and documentation in Polarion system

Qualifications

  • 2nd Year student for Industrial Engineering and Management 
« חזרה לכל המשרות

אנחנו לרשותכם.ן במענה לכל הקשור למתווה ולמילואים:

מזכירות התלמידים והתלמידות יתנו מענה לפניות דרך מערכת ממוחשבת הכוללת:

הגשת בקשות לסיווג קבוצה + פטור מקורס + ציון בינארי

הקישור למערכת יהיה דרך המידע האישי (פרטים בקרוב)

 

יועצות הפקולטה, ספיר קובלר ומאיס פרג' עומדות לרשותכן לייעוץ פרטני דיסקרטי וללא עלות במגוון תחומים, אישיים ולימודיים

yeutzeng@tauex.tau.ac.il

 

נאמני המילואים של הפקולטה עומדים לרשות משרתי ומשרתות המילואים בלבד בטלפונים הבאים (הודעות ווטס-אפ)

הודעה על כך נשלחה לטלפונים של כל המשרתים והמשרתות במילואים:

 

יוסי – 0502889862

ארז - 0502889863

 

שנת לימודים מוצלחת! 

Ieva Vebraite-Adereth - Ph.D. student under the supervision of Prof. Yael Hanein

סמינר המחלקה לאלקטרוניקה פיזיקלית

 

06 בפברואר 2024, 15:00 
011,Kitot Building  
Ieva Vebraite-Adereth - Ph.D. student under the supervision of Prof. Yael Hanein

 

Dr. Gal Vardi - On Implicit Bias and Benign Overfitting in Neural Networks

סמינר מחלקת מערכות - EE Systems Seminar

15 בינואר 2024, 15:00 
hall, Electrical Engineering-Kitot Building‏ 011  
Dr. Gal Vardi - On Implicit Bias and Benign Overfitting in Neural Networks

 

(The talk will be given in English)

Speaker:     Dr. Gal Vardi

TTI-Chicago and the Hebrew University

hall, Electrical Engineering-Kitot Building‏ 011

Monday, January 15th, 2024

15:00 - 16:00

On Implicit Bias and Benign Overfitting in Neural Networks

 

Abstract

When training large neural networks, there are typically many solutions that perfectly fit the training data. Nevertheless, gradient-based methods often have a tendency to reach those which generalize well, namely, perform well on test data, and understanding this “implicit bias” has been a subject of extensive research. Surprisingly, trained networks often generalize well even when perfectly fitting noisy training data (i.e., data with label noise), a phenomenon called “benign overfitting”. In the first part of the talk, I will discuss the implicit bias and its implications. I will show how the implicit bias can lead to good generalization performance, but also has negative implications in the context of susceptibility to adversarial examples and privacy attacks. In the second part of the talk, I will discuss benign overfitting and the settings in which it occurs in neural networks.

Short Bio

Gal is a postdoctoral researcher at TTI-Chicago and the Hebrew University, hosted by Nati Srebro and Amit Daniely as part of the NSF/Simons Collaboration on the Theoretical Foundations of Deep Learning. Prior to that, he was a postdoc at the Weizmann Institute, hosted by Ohad Shamir, and a PhD student at the Hebrew University, advised by Orna Kupferman. His research focuses on theoretical machine learning, with an emphasis on deep-learning theory.

 

השתתפות בסמינר תיתן קרדיט שמיעה = עפ"י רישום שם מלא + מספר ת.ז. בטופס הנוכחות שיועבר באולם במהלך הסמינר

 

Dr. Shira Faigenbaum Golovin - The Power of Machine Learning: Theoretical and Practical Aspects

סמינר מחלקת מערכות - EE Systems Seminar

17 בינואר 2024, 15:00 
זום  
Dr. Shira Faigenbaum Golovin - The Power of Machine Learning: Theoretical and Practical Aspects

Join Zoom Meeting
https://tau-ac-il.zoom.us/j/89608190449?pwd=cGdES3AwNnlQbTBuRWcyQlkyUG50QT09
Meeting ID: 896 0819 0449
Passcode: 885703

(The talk will be given in English)

Speaker:     Dr. Shira Faigenbaum Golovin

Duke University

Wednesday, January 17th, 2024

15:00 - 16:00

The Power of Machine Learning: Theoretical and Practical Aspects

Abstract

Machine learning and deep learning have become indispensable tools in today's technological landscape, playing a pivotal role in revolutionizing various industries. The significance of these fields lies in their ability to compute similarities, learn patterns, and make decisions. In this talk, I will explore two key facets of these technologies. The first involves an analysis of the theoretical aspects of the success of deep neural networks. The second aspect will delve into the power of learning within data-driven applications.

In the desire to quantify the success of neural networks in deep learning and other applications, there is a great interest in understanding which functions can efficiently be learned by the outputs of neural networks. By now, there exists a variety of results that show that a wide range of functions can be learned with sometimes surprising accuracy by these outputs. In this talk, we add to the latter class of rough functions by showing that it also includes multiscale functions. Multiscale functions, which are the solutions of refinement equations, are the building stones in many constructions; including subdivision schemes used in computer graphics, wavelets, as well as several fractals (some can represent parts in natural images). We prove that all multiscale functions can be implemented, up to arbitrarily high precision, by ReLu-based Neural Networks.

In the second part of my talk, I will highlight the potential that lies in learning from data which is acquired in data-driven applications. I will showcase the power of machine learning to acquire multispectral images of ancient inscriptions ca. 600 BCE, while improving the legibility of the text. Followed by developing image processing tools for segmentation and comparison of the handwriting found on these documents.  

Short Bio

Dr. Shira Faigenbaum-Golovin is an Assistant Research Professor at Duke University, working with Prof. Ingrid Daubechies. In 2021 Shira obtained her Ph.D. in Applied Mathematics from Tel Aviv University. While pursuing her Ph.D. Shira contributed to the development of the Image Signal Processor at Intel for approximately eight years. Shira’s research interests are in the areas of data science, image processing, and machine learning.

 

השתתפות בסמינר תיתן קרדיט שמיעה = עפ"י רישום בצ'ט של שם מלא + מספר ת.ז.

 

 

עמודים

אוניברסיטת תל אביב עושה כל מאמץ לכבד זכויות יוצרים. אם בבעלותך זכויות יוצרים בתכנים שנמצאים פה ו/או השימוש שנעשה בתכנים אלה לדעתך מפר זכויות
שנעשה בתכנים אלה לדעתך מפר זכויות נא לפנות בהקדם לכתובת שכאן >>
אוניברסיטת תל-אביב, ת.ד. 39040, תל-אביב 6997801