22961 למידה עמוקה
22961 למידה עמוקה1
4 נקודות זכות
שיוך: תואר שני / מדעי המחשב
שיוך נוסף: תואר שני / למידת מכונה וניתוח נתוני עתק
תנאי קבלה: קבלה לתואר שני במדעי המחשב. ידע קודם דרוש : כריית מידע (20595). ידע קודם מומלץ: מבוא ללמידה חישובית (20942) .
או קבלה לתואר שני בלמידת מכונה וניתוח נתוני עתק. ידע קודם דרוש: מבוא ללמידה חישובית.
פיתוח הקורס: ד"ר עידן אלתר, ד"ר אורן ברכאן.
תאור הקורס
למידה עמוקה הוא שם כולל לאוסף שיטות בלמידת מכונה המבוססות על רשתות נוירונים מלאכותיות בעלות שכבות רבות של רכיבים פשוטים המקושרים זה לזה, בדומה למבנה מוח האדם. מראשית שנות האלפיים הניבו אלגוריתמים אלו פריצות דרך בתחומי מחקר ושימוש רבים דוגמת זיהוי אובייקטים בתמונה ותרגום אוטומטי וכיום אפשר למצוא אותם בשימושים מרובים נוספים.
מטרת הקורס היא להציג את העקרונות הבסיסיים של תכנון מבנה רשתות נוירונים מלאכותיות ואת השיטות השונות לאימונן למטרות שונות כגון סיווג או רגרסיה.
הקורס מבוסס על הרצאות מוקלטות באנגלית ומדריך למידה בעברית.
במהלך הקורס הסטודנטים יגישו מטלות מעשיות הכרוכות בכתיבת קוד בשפת Python.
נושאי הלימוד
חלק ראשון: נושאים בסיסיים
-
שימוש בספריה PyTorch לבניית ואימון מודלים של למידה עמוקה.
-
הפרספטרון הרב שכבתי כמודל למידה עמוקה בסיסי.
-
פונקציות מטרה שונות, למטרות שונות.
-
אלגוריתמים לאימון רשתות נוירונים: אופטימיזציה ורגולריזציה.
חלק שני: ארכיטקטורות רשתות נוירונים מלאכותיות
-
רשתות נוירונים קונבולוציוניות (CNNs)
-
רשתות נוירונים נשנות (RNNs)
-
ארכיטקטורות מקודד-מפרש
חלק שלישי : שימושים של רשתות נוירונים מלאכותיות
-
עיבוד שפה טבעית
-
ראיה ממוחשבת
-
מודלים גנרטיביים
1 סטודנט שאינו עומד בתנאי הקבלה יכול, במקרים מסוימים, להירשם לקורס. לפרטים נוספים עיינו בסעיף קבלה לקורסים בודדים בתכנית הלימודים לתואר שני במדעי המחשב.