הקורס יתמקד במספר נושאים עיקריים: הגדרת תהליך יסוד בלמידת מכונה; הכרת משפחות שונות של למידת מכונה,כגון רגרסייה, מסווג ועוד; הכרת אלגוריתמים שונים של למידת מכונה כמו רגרסיה לוגיסטית, k-means, ו-DNN.

נושאי הקורס לפי שבועות*:

מפגשים נושא

1 הקדמה: מזו למידת מכונה, איזה סוגי למידה קיימים (סיווג לפי סוגי למידה שונים), אילו בעיות ניתן לפתור באמצעות למידה..

חזרה: מוסגי יסוד בהסתברות, אלגברה לינארית ואופטימיזציה (מציאת נקודות קיצון, כופלי לגרנג' ועוד).

2-4 רגרסיה לינארית

 רגרסיה לוגיסטית.

רגולריזציה (1L ו-2L כדוגמה)

פונקציות מחיר שונות( MMSE, קרוס-אנטרופיה)

שיטות (CV , K-fold CV) ומדדים להערכת מודל (precision, recall)

תרגול עבודה עם חבילת sklearn

5 מסווג SVM לינארי ועם פונקציות גרעין

תרגול מימוש באמצעות sklearn

6 אימון לא פרמטרי: עצי החלטות, Random Forest; kNN

7 הורדת מימד: PCA, LDA, TSNE + אשכול רך (k-means)

8-10 יסודות DNN

רשת Feed-Forward;

 פונקציות אקטיבציה שונות (לינארי, סיגמואיד, טאנג'נט היברבולי, ReLu, SoftMax);

אימון Back Propagation;

 רגולריזציה, ו-Drop-Out.

תרגול פיתוח מודלים בעזרת KERAS

11-12

(אופציונאלי* -תיתכן החלפה בנושאים אחרים ע"פ שיקול דעת המרצה) ארכיטקטורות מתקדמות בלמידת מכונה

מבוא ושימושים לרשתות קונבולציה -CNN

מבוא למודלים סיקוואנסיאליים בלמידה עמוקה: LSTM , RNN, GRU

13 הצגת עבודה 1 – סקירת מאמרים

14 הצגת עבודה 2 – סקירת תוצאות פרויקט גמר

עיבוד ספרתי של תמונות הינו אחד התחומים המתפתחים במהירות בצמוד למהפכות המתרחשות בתחומי התקשורת והמחשבים.

הצגה העברה דחיסה ואגירה של מידע וויזואלי מהווה חלק מרכזי בתקשורת מחשבים ותקשורת סלולארית.

מימנו נגזרים יישומים מגוונים בתחומים שונים כמו רפואה, תעופה, רובוטיקה וכול.

הקורס דן בעקרונות התיאורטיים והמעשיים של עיבוד תמונות ספרתיות המושפעים ממגבלות מערכת הראיה האנושית.

בכלל זה דיגיטיזציה ואינטרפולציה של תמונות, שיפור תמונות, פעולות נקודתיות לשיפור הניגודיות,

פעולות סינון במרחב התמונה ובמרחב התדר, עקרונות של דחיסת תמונות ווידאו.

הקורס כולל הרצאה שבועית פרונטלית (בהיקף של 2 שעות), ומעבדה שבועית (בהיקף של 2 שעות).