קורס 046195
מבוא למערכות לומדות

ברוכים הבאים לקורס 046195 - מבוא למערכות לומדות.

מטרת הקורס הינה לבצע היכרות עם התחום וסוגי הבעיות בהם הוא עוסק, ולסקור את הכלים והשיטות הנפוצות המשמשות לפתרון בעיות אלו. במהלך הקורס:

  • נכיר את עולם המושגים והשפה בה משתמשים בתחום
  • נלמד לבטא בעיות למידה באופן מתימטי.
  • נבנה ארגז כלים של שיטות מתמטיות ואלגוריתמים אשר ישמשו לפתרון בעיות אלו.
  • נדון ביכולות והמגבלות של כל אחת מהשיטות שנכיר.
  • בתרגילי הבית הרטובים תכירו ותתרגלו את העבודה עם הכלים הנפוצים למימוש בשיטות הנלמדות על בעיות אמיתיות.

דף נוסחאות - PDF

לו"ז

שבוע 0 - רקע מתימטי

  • ✍️ תרגיל בית 0 - רטוב (לא להגשה) - הכירות עם Python ו Colab
  • תרגול 0 - בעיות אופטימיזציה וגזירה וקטורית

שבוע 1

שבוע 2 - מבוא ל supervised learning

  • הרצאה 2 - מושגים, שימוש במדגם, גישה דיסקרימינטיבית, מודלים פרמטרים, מאפיינים
  • תרגול 2 - LLS ומאפיינים

שבוע 3 - הכללה ו overfitting

  • הרצאה 3 - test set, בעיית הoverfitting, פירוק בעיית ההכללה, hyper-parameters, שימוש ב cross-validation, רגולריצזיה.
  • תרגול 3 - bias-variance decomposition, רגולריזציה, k-fold cross validation.

שבוע 4 - סיווג דיסקרימינטיבי

שבוע 5 - Bagging ו Boosting

שבוע 6 - SVM

שבוע 7 - שיערוך א-פרמטרי

לא יינתן בסמסטר אביב תשפ"ד

  • הרצאה 7 - שיערוך פילוג דיסקרטי, ECDF, היסטוגרמה, KDE ותוחלת מותנית.
  • תרגול 7 -  שיערוך פילוג דיסקרטי, ECDF, היסטוגרמה ושיעורך פילוג מעורב

שבוע 8 - שיערוך פרמטרי וסיווג גנרטיבי

שבוע 9 - שיטות דיסקרימינטביות הסתברותיות

  • הרצאה 9 - שיטות דיסקרימינטביות הסתברותיות, Logistic Regression
  • תרגול 9 - Logistic Regression and Gradient Descent

שבוע 10 - רשתות נוירונים

  • הרצאה 10 - רשתות נוירונים, MLP ו Back-propagation
  • תרגול 10 - רשתות נוירונים, MLP ו Back-propagation

שבוע 11 - שיטות ברשתות נוירונים

שבוע 12 - שיטות ב unsupervised learning

שבוע 13