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