סילבוס

תוכן הקורס ומטרתו

בקורס זה נלמד על היסודות של רשתות נוירונים עבור ראייה ממוחשבת. נדבר על הנושאים הבאים:


סיווג תמונות: גישה מונחית נתונים, K-Nearest Neighbors, סיווג לינארי


פונקציות לוס ואופטימיזציה: High Level Representations, Stochastic Gradient Descent


רשתות נוירונים: Backpropagation, Multilayer Perceptrons


ארכיטקטורות של רשתות נוירונים: פונקציות אקטיבציה.


רשתות קונבולוציה: קונבולוציות, pooling, רשתות קונבולוציה מחוץ לראייה ממוחשבת


אימון רשתות נוירונים: אתחולים, רגולריזציה, נרמול, אנסמבלים, למידת העברה, שיטות עדכון, vanishing and exploding gradients, overfitting and underfitting


ארכיטקטורות של רשתות קונבולוציה: AlexNet, VGG, GoogleNet, ResNet


רשתות נוירונים רקורסיביות: RNN, LSTM, GRU, Transformers


זיהוי אובייקטים: detection and segmentation


מודלים גנרטיביים: GAN, Variational AutoEncoders


למידה לא מבוקרת מול למידה מבוקרת. למידה Self Supervised.