ד"ר אורי שחם

למידת מכונה, למידת ייצוגים והסקה סיבתית

כשפלטפורמת צפייה מנסה להמליץ לכל משתמש מה לראות מתוך אלפי סרטים וסדרות, האתגר הוא להבין מה באמת יעניין אותו, גם כשהטעם האישי שלו מורכב או מבוסס על מעט מידע. כדי לעשות זאת, המערכת צריכה לזהות דפוסים נסתרים בתוך כמויות עצומות של מידע.

ד"ר אורי שחם חוקר כיצד ללמד מערכות להבין מה חשוב בתוך נתונים מורכבים, לזהות קשרים משמעותיים ולקבל החלטות מדויקות יותר. תחום המחקר המרכזי שלו הוא למידת ייצוגים   (Representation Learning)  - פיתוח שיטות שמלמדות מחשב לארגן מידע כך שהמשמעות החשובה בו תבלוט.

מחקרו עוסק בלמידה עמוקה, למידה מולטי-מודאלית, למידת חיזוק והסקה סיבתית. כיום הוא מפתח מערכות המחברות טקסט, תמונה וקול גם ללא התאמה ישירה ביניהם, ומערכות שלומדות לא רק מה עובד – אלא גם למה.

 תחומי מחקר מרכזיים:

• למידת ייצוגים (Representation Learning)

• למידה עמוקה (Deep Learning)

• למידה מולטי-מודאלית

• למידת חיזוק (Reinforcement Learning)

• הסקה סיבתית (Causal Inference)

• שיטות ספקטרליות (Generalizable Spectral Methods)

 אופי המחקר:

תיאורטי-יישומי: יסודות מתמטיים חזקים לצד פיתוח שיטות חדשות ללמידת מכונה ולמידה עמוקה

 אופק תעסוקתי:

בוגרות ובוגרי המעבדה משתלבים במגוון תפקידים: 

• תעשייה:  חוקרי למידת מכונה, מדעני נתונים ומפתחי אלגוריתמים

• אקדמיה:  חוקרים ומרצים בתחומי בינה מלאכותית, סטטיסטיקה ומדעי הנתונים

• יזמות:  מייסדי מיזמים מבוססי נתונים ובינה מלאכותית