סילבוס

תוכן הקורס ומטרתו

בקורס יילמדו עקרונות בסיסיים של למידת מכונה ואלגוריתמים נפוצים בתחום. הקורס יקנה כלים פרקטיים לתחום לצד בסיס תאורטי. הפרויקט והתרגילים יבוצעו בפייתון.

ציון: תרגילי בית %20, פרויקט (בזוגות) 40%, בחינה 40%.

הקורס יכלול בין נושאיו:

מודל הלמידה: הגדרת הבעיה והרכיבים, היתכנות של למידה וא"ש הופדינג.
שקלול תמורות (trade-off) בין שונות להטייה.
בחירת והערכת מודלים.
עיבוד מקדים.
מודלים ללמידה מונחה: רגרסיה לינארית, רגרסיה לוגיסטית, רשתות עצביות (MLP), מודלים מבוססי עצים, SVM, שיטת השכנים הקרובים.
מסווגים מבוססי התפלגות: מסווג בייס, מסווג בייס נאיבי, מסווג נראות מירבית.
שערוך התפלגות פרמטרית וא-פרמטרית.
למידה לא מונחה: אלגוריתמי קיבוץ, PCA, זיהוי אנומליות.