נלמד כלים תיאורטיים ומעשיים כדי לבנות, לאמן ולנתח רשתות נוירונים ללמידה עמוקה, בדגש על למידה מונחית. למשל, תכונות ותנאי התכנסות של אלגוריתם הגרדיאנט וגרסאותיו השונות, רשתות רב שכבתיות (תכונות קירוב וסימטריות), חישוב יעיל של נגזרות, רשתות קונוולוציה והרחבותיהן למשימות ראייה, שיטות אימון וניתוחן, רשתות למשימות סדרתיות, ולמידה מקדימה. תוצאות למידה: עם השלמת הקורס הסטודנטים יהיו מסוגלים: 1. להכיר את המודלים העיקריים ושיטות אימון מקובלות ללמידה עמוקה. 2. לכתוב קוד PYTHON , בסביבת PYTORCH, לבנייה, אימון ושימוש ברשת עמוקה. 3. להבין את השיקולים הנדרשים לכיוונון רשתות עמוקות כדי לקבל ביצועים טובים, ואת התוצאות התיאורטיות הרלוונטיות (במידה וקיימות).

פקולטה: הנדסת חשמל ומחשבים
|תואר ראשון |תארים מתקדמים

מקצועות קדם

46195 - מערכות לומדות או 236756 - מבוא למערכות לומדות


מקצועות ללא זיכוי נוסף

97209 - למידה חישובית 2 236777 - למידה עמוקה ושימושיה 236781 - למידה עמוקה על מאיצים חישוביים


מידע סמסטריאלי