דילוג לתוכן ראשי

קורסים

  • רשתות נוירונים ולמידה עמוקה (10240)
    • תקציר הקורס:

    תקציר:

    היכולת לעבד מידע ולהסיק מסקנות ממנו ביעילות הינה קריטית בהתמודדות עם כמויות המידע הענקיות של מהפכת האינפורמציה (Big Data).

    מכונות לומדות לצורך חיזוי ומציאת תבניות כבר הוכיחו את חשיבותם בתחומים כמו זיהוי דיבור, NLP, ראיה ממוחשבת, זהוי הונאות, ועוד.

    מכונות לומדות הם גם הטכנולוגיה בעלת הפוטנציאל הגדול ביותר לחזון יצירת רובוטים או סוכנים אשר מתנהלים בעולם האמיתי ובדומה ליצורים מבוססי פחמן,

    מתאימים עצמם ולומדים כדי להשיג מטרתם.

    בעזרת רשתות נוירונים מלאכותיות שהינן מודלים אדפטיביים המקבלים את השראתם מהמוח וממערכת העצבים המרכזית.

    רשתות נוירונים עמוקות הינן היום בחזית הטכנולוגיה של למידת מכונה ומשמשות במערכות מסחריות רבות

    כמו זיהוי ספרות בצ'קים או מיקוד על מעטפות דואר, זיהוי רגש בקול או בתמונה, ראיה ממוחשבת ומכוניות אוטונומיות, תירגום אוטומטי ועוד....

     

     

    בקורס זה נלמד את היסודות האלגוריתמיים והסטטיסטיים של רשתות נוירונים ונלמד סוגי למידה שונים, כגון למידה מונחית, ולמידה שאינה מונחית (unsupervised).

    נראה כיצד רשתות נוירונים עמוקות ומייצרים היררכיה של features "טובים", המאפשרים למידה מונחית מדויקת יותר.

    נלמד את אלגוריתם חלחול השגיאה אחורה ומגוון ארכיטקטורות המאפשרות להתגבר על בעיות באלגוריתם הבסיסי.

    נסקור רשתות קונוולוציה עמוקות המשמשות בראיה ממוחשבת, רשתות Recurrent ומנגנוני Attention, , לעיבוד שפה טבעית.

    נלמד גם מודלים שאינם מונחים כמו: autoencoders. self-supervised, ויצירת Embeddings.
  • למידת מכונה (10245)
    • תקציר הקורס:

    תקציר:

    למידת מכונה (Machine Learning) לעיתים מכונה גם למידה חישובית היא תת-תחום במדעי המחשב ובבינה מלאכותית המשיק לתחומי הסטטיסטיקה והאופטימיזציה.

    התחום עוסק בפיתוח אלגוריתמים המיועדים לאפשר למחשב ללמוד מתוך דוגמאות, ופועל במגוון משימות חישוביות בהן התכנות הקלאסי אינו אפשרי או אינו כדאי.

    למידת מכונה היינו תחום חדש באופן יחסי ולאחרונה אחראי לפריצות דרך משמעותיות בעולמות הבינה המלאכותית, כריית המידע וגילוי אוטומטי של ידע מתוך נתונים.

    בבסיס תחום זה עומדת היכולת לגרום למחשבים לפעול ״עצמאית״ מבלי לתכנת אותם, וזאת ע״י אנליזה וניתוח כמויות גדולות של מידע מהעבר שיאפשר לזהות תבניות ולחזות התנהגותיות בעתיד.

     

    התרגולים: מפגשי התרגול ישלימו את החומר התיאורטי בעזרת תרגילים, הדגמות ועבודות תכנות.
  • סמינר מדעי מחשב (11015)
    • תקציר הקורס:

    תקציר:

    הסמינר במדעי המחשב על מאמרים מכוננים בבינה מלאכותית יעסוק במחקרים הבסיסיים שעיצבו את התחום של הבינה המלאכותית. המשתתפים ייחשפו לעבודות פורצות דרך שהציגו מושגים, אלגוריתמים ושיטות מחקר מרכזיות, כגון רשתות נוירונים, למידת מכונה, עיבוד שפה טבעית וreinforcement learning. באמצעות מצגות ודיונים, המשתתפים יעמיקו בהבנת ההקשר ההיסטורי, הרעיונות החדשניים וההשפעה המתמשכת של המאמרים החשובים הללו על ההתפתחויות והיישומים של הבינה המלאכותית המודרנית. מטרת הסמינר היא לעודד חשיבה ביקורתית ולעורר השראה לפרספקטיבות חדשות על הכיוונים העתידיים של מחקר הבינה המלאכותית.
  • פרויקט גמר למדעים1 (11402)
    • תקציר הקורס:

    תקציר:

    במסגרת הקורס, ייחשף הסטודנט לכל שלבי הפיתוח של אפליקציה או חבילת תוכנה כולל: עיצוב ופיתוח היישום, עיצוב הממשק, יישום אלגוריתם, בחירת ארכיטקטורה ושילוב מסדי נתונים, יישום מתודולגיה, חשיבה ביקורתית, פיתוח ובדיקות מקצה לקצה, תיעוד ומצגת, עבודת צוות וניהול פרויקטים
  • פרויקט גמר למדעים2 (11403)
    • תקציר הקורס:

    תקציר:

    זהו קורס המשך אשר במסגרתו ייחשף הסטודנט לכל שלבי הפיתוח של אפליקציה או חבילת תוכנה כולל: עיצוב ופיתוח היישום, עיצוב הממשק, יישום אלגוריתם, בחירת ארכיטקטורה ושילוב מסדי נתונים, יישום מתודולגיה, חשיבה ביקורתית, פיתוח ובדיקות מקצה לקצה, תיעוד ומצגת, עבודת צוות וניהול פרויקטים.
  • מבוא לבינה מלאכותית (19101)
    • תקציר הקורס:

    תקציר:

    במסגרת הקורס ינתן בסיס מקיף ליסודות של בינה מלאכותית. חלקו הראשון של הקורס יתמקד במושגי בינה מלאכותית של Search & Planning. החלק השני יתמקד בשיטות של Probabilistic reasoning. החומר התאורטי ילווה בדוגמאות