 שנה"ל תשע"ה | |||||||||||||||||||||||||
 |
 |
||||||||||||||||||||||||
|
מבוא למערכות לומדות
Introduction to Machine Learning |
0510-7404-01 | ||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| הנדסה | ביה"ס להנדסת חשמל | |||||||||||||||||||||||||
| |||||||||||||||||||||||||
ש"ס: 2.0
סילבוס מקוצר
משקל: 2
דרישות קדם: מבני נתונים ואלגוריתמים או יעילות של חישובים.
הגדרת למידה ומודל PAC (Probably Approximately Correct). אלגוריתמי למידה לפונקציות בוליאניות פשוטות: מונומים ורשימות הכרעה. עקרון Occam's Razor ויישומו לניתוח אלגוריתמי למידה. מושגים קשים ללמידה. מימד VC (Vapnik Chervonenkis) ולימוד מושגים גיאומטריים. לימוד בנוכחות רעש. לימוד "אגנוסטי". לימוד "חלש" ו‑Boosting. היוריסטיקות ללימוד עצי הכרעה. אלגוריתם ה Perceptron ו- Winnow. בחינת היפוטזות. לימוד בעזרת שאילתות – לימוד אוטומטים סופיים. לימוד מושגים הסתברותיים. K-Nearest-Neighbors. Clustering.