מבוא לנושאי הפקת מידע מנתונים ושיטות למידה לא מפוקחת. יסודות בהסקה סטטיסטית: אמידה פרמטרית ולא-פרמטרית, בדיקת השערות. עיבוד ראשוני של נתונים. בחירת מאפיינים. שיטות להורדת מימדיות: ניתוח רכיבים עיקריים, פירוק ערכים סינגולריים, הרחבות לא-לינאריות. מדדי מרחק ודימיון בין פריטי מידע. אלגוריתמים לאשכול. זיהוי שכיחות וקשר, וזיהוי חריגים. יישומים מייצגים. תוצאות למידה: בתום הקורס הסטודנט יהיה מסוגל: 1. לתאר את בעיות היסוד בניתוח מידע. 2. להסביר וליישם שיטות סטטיסטיות להערכת פרמטרים ובדיקת השערות מתוך מידע 3. להסביר וליישם שיטות בסיסיות לבחירת מאפיינים. 4. להסביר וליישם אלגוריתמים להורדת ממדיות מידע. 5. להסביר וליישם אלגוריתמים לזיהוי שכיחות וקשר. 6. להסביר וליישם אלגוריתמים לאשכול נתונים. 7. להסביר וליישם אלגוריתמים לניתוח וזיהוי חריגים במידע.

Faculty: Electrical and Computer Engineering
|Undergraduate Studies |Graduate Studies

Pre-required courses

(44130 - Signals and Systems and 46195 - Machine Learning and 104034 - Introduction to Probability H) or (44131 - Signals and Systems and 46195 - Machine Learning and 104034 - Introduction to Probability H)


Course with no extra credit

46193 - Data Analysis


Semestrial Information