מטרת הקורס: ללמוד את יסודות הלמידה העמוקה (deep learning) המהווה נדבך מרכזי בתחום הבינה המלאכותית (AI). הקורס. הסדנה תשלב לימוד תאורטי ויישום השיטות שילמדו בשפת פייתון תוך שימוש ב-   TensorFlow ו- Keras.

עם סיום הקורס בהצלחה הסטודנט יוכל:

1. להסביר מושגי יסוד בלמידה העמוקה

2. לבנות ולאמן רשתות נוירונים (NN)

3. להשתמש בשיטות לאופטימיזציה של רשתות נוירונים עמוקות

4. לתאר ארכיטקטורות מרכזיות של רשתות נוירונים עמוקות ולהתאים את השימוש בהן לבעיות AI שונות

5. לפתור בעיות AI שונות באמצעות שימוש ברשתות נוירונים עמוקות (סיווג תמונה, עיבוד שפה טבעית, עיבוד קול)

נושאי  הקורס:  

1. מבוא ללמידה עמוקה

2. רשת נוירונים רדודה (שכבה יחידה)

3. רשת נוירונים עמוקה (מרובת שכבות)

4. אופטימיזציה וכיוונון של רשתות נוירונים

5. סביבות עבודה ללמידה עמוקה:TensorFlow / Keras/ PyTorch 

6. Convolutional neural networks

7. Sequence models – RNN, Transformer, Attention, Embeddings

Videos 

מבוא לרשתות נוירונים 

• חלק 1

• חלק 2

אופטימיזציה של רשתות נוירונים

הכרות עם KERAS

• דוגמת MNIST עם KERAS (זום)

• שלבי העמותה עם KERAS

מימוש רשתות עם KERAS:

• דוגמא 1: IMDB

• דוגמא 2: רויטרס

• דוגמא 3: מחירי בתים

• סיכום

רשתות קונבולוציה - תאוריה

• מוטיבציה

• קונבולוציה

• ארכיטקטורות CNN

רשתות קונבולוציה - מעשי

• דוגמת MNIST

• בניית CNN מאפס

• אוגמנטציה

• Transfer learning

מודלי סדרות זמן

• מבוא והכנת נתונים סדרתיים

• חיזוי טמפרטורה – מודלים אלטרנטיביים (בייסליין)

• מבוא - RNN

• שיפור ביצועים של RNN

עיבוד שפה טבעית - NLP

• הכנת טקסט ו - BagOfWords

• שימוש ב - RNN לניתוח טקסט

• ארכיטקטורת Transformer ומנגנון Attention