סילבוס

תוכן הקורס ומטרתו

סילבוס לקורס "מבוא למדעי הנתונים 2" (2DS (3 ש"ס
מרצה: ד"ר סלבה נובגורודוב
דרישות מקדימות : 1DS
דרישת סיום: בחינת כיתה.
.1 מבוא ללימוד מכונה ? סוגים שונים של לימוד מכונה (unsupervised/supervised(, למה
בכלל צריך? סוגיות אתיות
.2 מערכות למידת מכונה ? הסבר בסיסי ודוגמאות על איך מלמדים מכונה
[רקע דרוש מ 1Math: הסתברות של משתנים בלתי תלויים, חישוב הסתברות]
.3 למידה unsupervised ? סקירה כללית, הדגמה ע"י means-k ,clustering
[רקע דרוש מ 1Math: מרחקים בין וקטורים]
.4 למידה supervised ? סקירה כללית של סוגי learning supervised, רגרסיה לעומת
שיטות קלסיפיקציה
[רקע דרוש מ 1Math: חוק בייס, רגרסיה]
scrapping, crowdsourcing, data generation - מתוייגים נתונים השגת .5
.6 גרסיה לינארית ? הסבר, שימושים, דוגמאות מהעולם האמיתי
[רקע דרוש מ 1Math: רגרסיה]
.7 נאייב בייס? הסבר, שימושים, דוגמאות מהעולם האמיתי
[רקע דרוש מ 1Math: חוק בייס]
.8 הערכה של איכות התוצאות ? הערכה בעזרת נתונים מתויגים, ,recall/precision
RMSE, AUC
.9 מבוא ל NLP? שימוש בembeddings word, דוגמאות מהעולם האמיתי
[רקע דרוש מ 1Math: מטריצות, וקטורים]
.10 מבוא לרשתות ניורונים ? סקירה כללית ברמה אינטואיטיבית
[רקע מ 1Math: מטריצות ווקטורים, פעולות על מטריצות, בעיקר מכפלה]
.11 שיטות למידה מתקדמות ? סקירה של שיטות art-the-of-state ובעיות שנפתרות על
ידיהן
.12 דוגמאות לשימושים פרקטיים שניתן לממש על סמך החומר שנלמד בשני הקורסים
למדעי הנתונים יחדיו
.13 סיכום וחזרה על החומר שנלמד בקורס 2