קורס למידת מכונה

הפקולטה להנדסה, אוניברסיטת תל-אביב

בהנחיית משה ישראל

הקורס יתקיים בימי רביעי אחת לשבועיים בין השעות 17:00-20:00 החל מתאריך 16.01.19

למידת מכונה (Machine Learning) הינו תחום במדעי המחשב ובבינה מלאכותית העוסק בפיתוח אלגוריתמים המאפשרים למחשב ללמוד מתוך דוגמאות. בעשורים האחרונים תחום זה הביא לפריצות דרך בפיתוח רכבים אוטונומיים, עיבוד שפה, עיבוד תמונה, מנועי חיפוש ותחומים רבים נוספים. במהלך הקורס נכיר את טכניקות למידת המכונה הנפוצות ביותר, נלמד את התאוריה שמאחורי המודלים, נממש את המודלים ונלמד כיצד להשתמש בהם. אך אף חשוב יותר, נבצע תרגול hands-on ונלמד על מחזור החיים של פרויקט מסוג זה כדי שבסיום הקורס תרכשו מספיק ידע פרקטי כדי לבצע פרויקט מקצה לקצה בעצמכם.

שיטת ההוראה בקורס הינה חדשנית וכוללת שילוב של תכנים online והדרכה פרונטלית בכיתת הלימוד.

השעורים הפרונטליים ילוו את הקורס "Machine Learning" באתר Coursera.

לכל שעור יש להגיע מוכנים לאחר צפייה בתכני הוידאו של אותו השבוע והתחלת עבודה על תרגיל הבית של הקורס האינטרנטי.

במהלך השעור נעבור יחד על התכנים התאורטיים ויושם דגש על תרגול מעשי של החומר, בין אם על ידי תרגילי כיתה ובין אם על ידי מעבר על תרגיל הבית.

מבנה ודרישות הקורס

 

רישום לקורס האינטרנטי

הרישום לקורס האינטרנטי חובה והכרחי על מנת שתוכלו להשתמש בכל תכני הקורס. הרישום (Audit mode) אינו דורש תשלום והוא חינם לגמרי. עם זאת, ניתן גם "לרכוש" את הקורס (Certificate mode). רכישת הקורס מקנה ציון ותעודה (Certificate) לאחר עמידה בכל דרישות הקורס וסיומו. עלות רכישת הקורס ב- Coursera מצויינת באתר ונפרדת מהתשלום עבור הקורס המועבר ע"י הפקולטה להנדסה, אוניברסיטת תל-אביב.

תלמיד הבוחר ברכישת הקורס האינטרנטי (Certificate mode) ישלם עצמאית באתר Coursera עבור קבלת התעודה מאוניברסיטת Stanford

לפרטים נוספים אודות הקורס באתר Coursera. אנא עיינו בתכני הקורס ודרישותיו טרם הרשמתכם.

לפרטים נוספים עבור אפשרויות הרישום לקורס באתר Coursera  (Audit/ Certificate mode).

משך הקורס האינטרנטי – 53 שעות.

 

סילבוס הקורס

Programming Assignments	Topics	Date	#Week
	Introduction Linear Regression with One Variable Linear Algebra Review	16.1.2019	1
Linear Regression	Linear Regression with Multiple Variables Octave/Matlab Tutorial	30.01.19	2
Logistic Regression	Logistic Regression Regularization	13.02.19	3
Multi-class Classification and Neural Networks	Neural Networks: Representation	27.02.19	4
Neural Network Learning	Neural Networks: Learning	13.03.19	5
Regularized Linear Regression and Bias/Variance	Advice for Applying Machine Learning Machine Learning System Design	27.03.19	6
Support Vector Machines	Support Vector Machines	10.04.19	7
K-Means Clustering and PCA	Unsupervised Learning Dimensionality Reduction	01.05.19	8
Anomaly Detection and Recommender Systems	Anomaly Detection Recommender Systems	15.05.19	9
	Large Scale Machine Learning	29.05.19	10
	Application Example: Photo OCR	12.06.19	11
	Big Data Platforms The Process of Data Mining Project Wrap up	26.06.19	12

* יתכנו שינויים בתוכנית בהתאם להתפתחות השיעורים.

על המרצה

את הקורס מעביר משה ישראל, בוגר תואר ראשון ושני בפקולטה להנדסה באוניברסיטת תל-אביב. משה עוסק כיום כ- Data Scientist בכיר במרכז המחקר ופיתוח של מיקרוסופט בישראל ובעל ניסיון עשיר בתחום. את התכנים האינטרנטיים מעביר פרופ' Andrew Ng מאוניברסיטת Stanford. אנדרו הינו יזם וחוקר בעל שם עולמי בתחום למידת המכונה, אחד ממייסדי אתר Coursera ובעברו הוביל את Google Brain, קבוצת בינה מלאכותית בגוגל המובילה פרויקטי AI רבים בחברה.