| |||||||||||||||||||||||||
סקרנות: מודלים ויישומים
Curiosity: Models and Applications |
0572-5320-01 | ||||||||||||||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
הנדסה | תואר שני - הנדסת תעשייה | |||||||||||||||||||||||||
|
קורס בהיקף2 נ.ז.
דרישות קדם: אופטימיזציה ומטה-היוריסטיקות
הקורס יעסוק בחקר הסקרנות מהיבטים פסיכולוגיים, מודלים מתמטיים ויישומים בלמידת מכונה ורובוטיקה. במסגרת הקורס ילמדו כלים מתמטיים שיאפשרו לסטודנטים להבין, לתכנן וליישם מודלים מתמטיים של סקרנות: למידה מתוגמלת reinforcement learning ובתוכה markov decision process, היקשים ביסייאנים Bayesian inference, תורת האינפורמציה information theory ורשתות נוירונים artificial neural networks. ילמדו גם יישומים של מודלים מתמטיים של סקרנות להסבר התנהגות אנושית, חקירת מסדי נתונים ורובוטים סקרניים. הקורס יכלול תרגולי תכנות ב python וכן פרויקט.
הרכב ציון הקורס:
70% בחינת גמר
30% פרויקט
בחינת גמר:
הבחינה תהייה עם חומר פתוח ותכלול את חומר ההרצאות וחומר הקריאה.
פרויקט: קבוצות של 3-4 סטודנטים. הפרויקט יכלול בחירת בעיית לימוד, איפיונה ומידול שלה על-ידי היקש בייסיאני ורשתות נוירונים, פתרון הבעיה על-ידי אלגוריתם סקרנות המיושם בקוד.
שיעור
תאריך
נושאים
פרויקט
1
מבוא
2
מודלים של למידה (1):
היקשים בייסיאנים
3
תורת האינפורמציה
KL-divergence
Information gain
4
מודלים של למידה (2):
רשתות נוירונים
Supervised learning
5
Unsupervised learning
Deep learning
6
למידה:
פסיכולוגיה
Neuroscience
חלק א': ניסוח בעיה בעזרת תורת האינפורמציה [10%]
7
למידה מתוגמלת
Reinforcement learning (RL)
8
Model-free RL
9
סקרנות כתגמול על למידה
Intrinsic reward reinforcement learning
חלק ב': ניסוח הבעיה בעזרת רשתות נוירונים וחקר המוח. [10%]
10
סקרנות של ילדים
פסיכולוגיה התפתחותית
11
יישומים בניתוח מסדי נתונים
12
סקרנות של רובוטים
חלק ג': ניסוח פתרון בעזרת מודל סקרנות [10%]
13
סיכום