Professional Documents
Culture Documents
תוצרי למידה:
הבנת מושגים בלמידה חישובית :הכללה ,למידה מונחית ,עצמית ,ולא מונחית •
הבנת הדמיון והשוני בין תאי עצב ליחידות חישוב ברשתות עמוקות •
הבנת מושג המסווג הלינארי והקשר שלו לנוירונים בינאריים בעלי סף ברשת •
הבנת אלגוריתמי ,Descent Gradientואלגוריתמי Propagation Back •
הכרת ארכיטקטורות של רשתות עמוקות ,כולל רשתות קונבולוציה לראייה •
ממוחשבת ,ו recurrent networks
הבנת מגבלותיהן ויתרונותיהן של רשתות עמוקות :התפוצצות מימדים, •
התאמת יתר וחסר ,שיתוף פרמטרים ,הילכדות במינימום לוקלי ועוד .הבנה
ויישום של תרופות שונות לבעיות אלו
יכולת ליישם אלגורתמי למידה עמוקה בשפת פייתון. •
1
• בעיות שונות ביישום למידה ברשתות נוירונים וכיצד
מתמודדים איתן
• ארכיטקטורות עמוקותConvNets, LSTM, RNN, :
Auto-Encoders
2
ד .חובות /דרישות /מטלות:
הגשת כל תרגילי הבית .אין חובת נוכחות.
ו .ביבליוגרפיה:
C.Bishop: Pattern recognition and machine learning, Springer
2007
I.Goodfellow, Y.Bengio, A.Courville: Deeplearning, MIT, 2016,
online book
3