|
נקודות זכות באוניברסיטה העברית:
4
תואר:
מוסמך
היחידה האקדמית שאחראית על הקורס:
סטטיסטיקה
סמסטר:
סמסטר ב'
שפת ההוראה:
עברית
קמפוס:
הר הצופים
מורה אחראי על הקורס (רכז):
ברק סובר
שעות קבלה של רכז הקורס:
מורי הקורס:
ד"ר ברק סובר
תאור כללי של הקורס:
בקורס נסקור גישות מודרניות וקלאסיות בלמידה סטטיסטית. הצגת השיטות תהיה מנקודת מבט תיאורטית וגם פרקטית. במהלך הקורס התלמידים יבחרו data מסוגים שונים שעליו יפעילו את השיטות השונות.
מטרות הקורס:
תוצרי למידה :
בסיומו של קורס זה, סטודנטים יהיו מסוגלים:
הסטודנטים ידעו להפעיל קשת רחבה של שיטות בהקשרים של למידה סטטיסטית מפוקחת (supervised) ולא מפוקחת (unsupervised) וכן להעריך את טיב הלמידה. כמו כן, לתלמידים יהיה מושג תיאורטי מה עומד מאחורי השיטות השונות, מה מתאים לאיזו סיטואציה ומה המגבלות התיאורטיות של השיטות השונות.
דרישות נוכחות (%):
שיטת ההוראה בקורס:
רשימת נושאים / תכנית הלימודים בקורס:
Soft introduction to VC-Theory (learnability, VC-dimension), Types of errors (Train/Test, Approximation/ Estimation/ Optimization), Supervised Learning, Unsupervised learning, learnability, linear and non-linear dimension reduction techniques (PCA, MDS, Kernel PCA, SOM, Diffusion Maps, tSNE, Umap), Regression (linear and non-linear, regularizations), Non-Parametric Estimation, Deep Neural Networks, Trees, Boosting, Curses and blessings of dimensionality, Sparsity.
חומר חובה לקריאה:
Elements of Statistical Learning (Hastie, Tibshirani & Fridman)
https://web.stanford.edu/~hastie/ElemStatLearn/
חומר לקריאה נוספת:
Elements of Statistical Learning (Hastie, Tibshirani & Fridman)
https://web.stanford.edu/~hastie/ElemStatLearn/
Understanding Machine Learning (Shalev-Shwartz & Ben-David)
https://www.cs.huji.ac.il/~shais/UnderstandingMachineLearning/understanding-machine-learning-theory-algorithms.pdf
A Distribution-Free Theory of Nonparametric Regression (Gyorfi, Kohler, Krzyzak & Walk)
https://web.stanford.edu/class/ee378a/books/book1.pdf
הערכת הקורס - הרכב הציון הסופי :
מבחן מסכם בכתב/בחינה בעל פה 0 %
הרצאה0 %
השתתפות 0 %
הגשת עבודה 75 %
הגשת תרגילים 25 %
הגשת דו"חות 0 %
פרויקט מחקר 0 %
בחנים 0 %
אחר 0 %
מידע נוסף / הערות:
תאריך הגשת העבודה המסכמת 24 ביולי.
|
