ראייה ממוחשבת היא מהתחומים הצומחים ביותר בהנדסה, ומאפשרת ניתוח והבנה אוטומטית של תמונות ושל וידאו, שמהווים חלק מהותי כ-80% מתעבורת האינטרנט העולמית. דוגמאות לראייה ממוחשבת נעות במנעד רחב וכוללות בין היתר זיהוי טקסט בתמונה, זיהוי חפצים, אנשים, מקומות, תרחישים ופעילויות, סיווג מחלות בתמונות רפואיות, חילוץ מבנה תלת ממדי מתוך מספר תמונות דו ממדיות או מסרט וידאו, תיאור תוכן של תמונות, ועד יצירת תמונות וקטעי וידאו מתמונה, טקסט או שילובם. שימושי ראייה ממוחשבת מאפשרים לסייע לבני אדם לבצע משימות בצורה טובה יותר, למשל בנהיגה, מהתראות ומניעת תאונות, ועד נהיגה אוטונומית; סיווג ומיון אוטומטי של תוכן תמונות או סרטוני וידאו, שיפור ממשקי אדם מכונה ועוד.

קורס זה מהווה מבוא לתחום הראייה הממוחשבת והוא בסיס לקורס ההמשך המתקדם, רשתות נוירונים לשימושי ראייה ממוחשבת. הקורס יכול להוות קורס עצמאי, להרחיב את קורסי המבוא בעיבוד תמונה או בגרפיקה ממוחשבת, וכמובן להרחיב את קורסי למידת המכונה לתחום הראייה הממוחשבת (הבסיס הנדרש לקורס יינתן במהלכו). הקורס מתאים לסטודנטים בכל מסלולי התוכנה, בעלי רקע בתכנות מונחה עצמים בסביבת פיתון, ובפרט למסלול למידת מכונה. הוא כולל התייחסות לטכנולוגיות עדכניות בחזית התעשייה והמחקר.

נושאי הקורס כוללים: מבוא ושימושי ראייה ממוחשבת, ייצור וייצוג תמונות; עיבוד תמונה במרחב ובתדר כולל קונבולוציה וקורלציה; שימושי עיבוד מקדים לאוגמטציות וגיוון ושיפור ה-dataset; מאפיינים ומבוא לזיהוי תמונה, מבוא לרשתות קונבולוציה; שימושי רשתות קונבולוציה לצרכי סיווג גילוי וסגמנטציה, אימון רשתות בשימושי ראייה ממוחשבת; ויזואליזציה והבנה. הקורס כולל הרצאה שבועית פרונטלית (בהיקף של 2 ש"ש), ומעבדה \ תרגול שבועית (בהיקף של 2 ש"ש) המשלימים את ההרצאה.

במעבדה יתרגלו ויתנסו הסטודנטים בהיבטים מעשיים של ראייה ממוחשבת תוך חשיפה למאמרים ומקורות מדעיים בתחום מצד אחד, המשך בשיקולים מעשיים, ועד גישה והגשה לתחרויות בתחום (אופציה). תחומי הלמידה העמוקה בכלל, והראייה הממוחשבת בפרט עתירי שינויים תכופים, כאשר טכנולוגיות בנות חמש שנים נחשבות לעתים קרובות ללא עדכניות. לכן לימוד עצמי בתחום מהווה אבן בניין חשובה לעוסקים בתחום, והמעבדות דורשות עבודה עצמית, ונבנו כדי להקנות בין השאר גם מיומנויות כאלו. חלק מהמעבדות בקורס בנויות בשיטת "כיתה הפוכה": יש להכין דוח מכין לפני המעבדה (דוחות מכינים, במידה שנדרשים, מוגשים ללא ציון, אך מומלצים כדי לעקוב אחר החומר – פירוט בהמשך). במהלך המעבדה עוסקים בין השאר בפתרון בעיות שצצו בהכנה. תרגילי הבית מבוססים בחלקם על תוכן המעבדות. המעבדות ותרגילי המחשב יבוצעו בסביבת python עם Jupyter, תוך שימוש בספריות OpenCV, וספריות ראייה ממוחשבת אחרות. כן יינתנו דוגמאות בסיסיות בספריות למידת מכונה כמו pytorch ו\או tensorflow ו-keras. תינתן גם התייחסות כללית לסביבות אחרות. מומלצת הכירות מוקדמת עם פייתון. תינתן הדרכה מתאימה שתאפשר לימוד עצמי של השפה והסביבה.

מעגלים ואלמנטים מקובצים: תיאור הרכיבים הפסיביים, קשרים פיסיקליים בין משתני מתח, זרם ומטען. מאפייני אותות ומקורות מתח וזרם.

חוקי שימור: חוקי קירכהוף. טופולגיות חיבור ומעגלים שקולים במעגלים בזרם ישר וזרם חילופין. הספקים. מעבר כוכב-משולש, גשר ויטסטון ונגד משתנה. העברת הספק מרבי. תיקון מקדם הספק.

שיטות לניתוח מעגל חשמלי מרובה מקורות בלתי תלויים: זרמי חוגים, מתחי צמתים, שיטת ההרכבה, שקול נורטון ותבנין.

תגובת תדר, מעגלי תהודה טוריים ומקביליים.