קורסים
- שפות תכנות (10211) תקציר הקורס:
- עיבוד שפה טבעית (10247) תקציר הקורס:
- פרויקט גמר במדעי המחשב (11401) תקציר הקורס:
- עיבוד שפות טבעיות ודיבור (65007) תקציר הקורס:
- מעבדת Data Science2 (65024) תקציר הקורס:
תקציר:
הקורס מדגים את הפרדיגמות השונות של שפות תכנות באמצעות שפת פייתון ושפות נוספות. הפרדיגמות שיודגמו: שפות פונקציונליות, שפות מונחות עצמים, שפות לוגיות, שפות פרוצדורליות, שפות מקביליות ועוד. יילמדו הרכיבים המשותפים לשפות התומכות בכל אחת מהפרדיגמות, מגבלותיהם לצד יתרונותיהם.
ייסקר הבסיס התיאורטי מאחורי כל שפת תכנות הכולל את תיאוריית צ'רץ'-טיורינג ותחשיב למבדא. יובהרו מהם הרכיבים המשותפים לשפות התומכות בכל אחת מהפרדיגמות, כגון אופן ניהול הזכרון, הגדרת משתנים, זמני הגדרה / ביצוע וכו'. |
תקציר:
בתחילה ייסקרו הבעיות המתעוררות כאשר רוצים לעבד שפה טבעית. לאחר מכן, יוצגו מודלים של שפה. בהמשך ייסקרו אלגוריתמים מרכזיים כגון IT-IDF, WORD2VEC, Bag of words, POS ועוד. במקביל, נלמד איך לממש אלגוריתמים לעיבוד שפה באמצעות פייתון וספריות ייעודיות. ייסקרו אפליקציות מרכזיות בעיבוד שפה: summarization, translation ו - keyword, sentiment analysis ועוד. יילמדו העקרונות של LLM, כולל TRANSFORMERS, VAE ושימוש במודלי שפה ובספריות כ GPT, HUGGINGFACE ועוד.תקציר:
הקורס ילווה את הסטודנטים בשלבי בחירת נושא לפרויקט הגמר ויסייע בהגדרה מפורטת של מהות הפרויקט, הגדרת הבעיה, סקירת ספרות, המטרות, קביעת מדדים והערכתם, ניתוח מתחרים, תכן ראשוני. בהמשך הסטודנטים יפתחו את קוד האלגוריתם ויבחנו אותו בהתאם למדדים שיציגו.
|
תקציר:
איך מחשבים מבינים את שפתינו? איך מנועי החיפוש מוצאים בתוך כמויות מידע אדירות בדיוק את מה שאנו צריכים? איך נעשה תרגום ע"י מכונה? איך אפשר לסווג טקסטים לפי דרישות שונות? תחום עבוד שפות טבעיות (Natural Language Processing - NLP) חוקר את הבעיות הקשורות לעיבוד ומניפולציה של שפה טבעית, והבנה של שפה טבעית על מנת לגרום למחשבים "להבין" דברים שנאמרים או נכתבים בשפות אנושיות. התחום עוסק בפיתוח מודלים חישוביים ואלגוריתמים לניתוח טקסטים בשפה אנושית. בשנים האחרונות התחום צבר תאוצה בתעשייה ובמחקר. תרגום אוטומטי, מענה לחיפוש, ניתוח של טקסטים בערוצי מדיה למיניהם, העברת שפה לממשקי דיבור של מכשירים ניידים ועוד. |
תקציר:
במסגרת הקורס יילמדו הספריות: tensorflow, keras, pytorch, nltk, HuggingFace, Caffe ועוד. בקורס יילמד השימוש ברשתות הבאות באופן מתודולוגי, תוך מעבר על שלבי ה preprocessing, processing ו postprocessing. בשלב ה PREPROCESSING נלמד שיטות לבחינת קונפיגורציה של רשת, קביעת ההיפרפרמטרים וייצוג נכון של הנתונים ו feature extraction. בשלב ה processing נלמד את הרשתות הבאות: attention, lstm, transformers, autoencoders, variational autoencoders, GAN ועוד. נלמד לממש למידה עמוקה עבור supervised, unsupervised, semi-supervised and reinforcement learning |