20942 מבוא ללמידה חישובית

20942 מבוא ללמידה חישובית‏

4 נקודות זכות ברמה מתקדמת ללא אפשרות לכתיבת עבודה סמינריונית

שיוך: מדעים / מדעי המחשב

תנאי קבלה: פטור מקורס שפה באנגלית ובדרישות ההדרכה הביבליוגרפית בספרייה. ידע קודם דרוש: מבוא לסטטיסטיקה ולהסתברות למדעים, או הסתברות ומבוא לסטטיסטיקה למדעי המחשב, חשבון אינפיניטסימלי 1, חשבון אינפיניטסימלי 2 , אלגברה לינארית 1, מבוא למדעי המחשב ושפת JAVA או מבוא למדעי המחשב ושפת JAVAא + מבוא למדעי המחשב ושפת JAVA ב.

או קבלה לתואר שני בלמידת מכונה וניתוח נתוני עתק. ידע קודם דרוש: מתמטיקה ללמידת מכונה, תכנות וניתוח נתונים בשפת פייתון.

פיתוח הקורס: ד"ר שי מימון, ד"ר אלישי עזרא- צור, פרופ' תמיר טסה

למידה חישובית הוא תחום מחקרי ותיק אשר נמצא בתפר שבין מדעי המחשב, סטטיסטיקה ומתמטיקה. תחום הלמידה החישובית עוסק בפיתוח שיטות וכלים המקנים למחשב את היכולת ללמוד מתוך דוגמאות. מטרת הקורס היא להכיר את עקרונות היסוד והשיטות המרכזיות ללמידה מנתונים.

חומר הלימוד:

ספרי הקורס:

• The Elements of Statistical Learning: Data Mining, Inference, and Prediction, Trevor Hastie, Robert Tibshirani, Jerome Friedman, Second Edition (‏Springer 2016‎)‏

• Learning from data, Yaser S. Abu-Mostafa, Malik Magdon-Ismail, Hsuan-Tien Lin, AMLBook 2012

מדריך למידה:

חומר הלימוד יכלול בנוסף מדריך למידה הכתוב בעברית. ¹

נושאי הלימוד:

מודלים לינאריים לרגרסיה ולסיווג, Overfitting, רגולריזציה, Support Vector Machines, עצי החלטה, Random Forests, Bagging, Boosting, רשתות עצביות, שערוך פרמטרים על פי גישת הנראות המירבית ועל פי הגישה הביאסיאנית, Cluster Analysis, אלגוריתם ה- EM ושימושו לאמידת פרמטרי Gaussian Mixture Model, שיטות להורדת מימד.

לצד התרגילים העיוניים, הסטודנטים ידרשו להגיש גם מטלות תכנותיות שיכתבו בשפת .Python