D:\Inetpub\shared\yedion\syllabus\03\2018\0365\0365406301_desc.txtמטרת הקורס היא להכיר את עקרונות היסוד והשיטות המרכזיות ללמידה סטטיסטית מנתונים. הקורס ישלב בסיס תאורטי עם עבודה מעשית של נתונים ודיון בכיתה על דוגמאות מעשיות מן התעשיה (case studies). רשימה חלקית של נושאים: בעיות יסוד: רגרסיה, קלאסיפיקציה, עקרונות יסוד בלמידה סטטיסטית: שונות והטיה, למידה מקומית מול גלובאלית, curse of dimensionality, שיטות לינאריות לרגרסיה ורגולריזציה, שיטות לינאריות לקלאסיפיקציה: linear discriminant analysis, רגרסיה לוגיסטית, support vector machines, שיטות לשערוך ובחירת מודלים.
דרישות קדם: הסתברות, תאוריה סטטיסטית, רקע מתמטי בסיסי: אינפי, אלגברה לינארית, גאומטריה אנליטית. רצוי אבל לא הכרחי נסיון בתכנות מתמטי/סטטיסטי (רצוי R/SPlus/Mathlab ), רגרסיה.