נקודות זכות באוניברסיטה העברית: 3

תואר: בוגר

היחידה האקדמית שאחראית על הקורס: סטטיסטיקה

סמסטר: סמסטר א'

שפת ההוראה: עברית

קמפוס: הר הצופים

מורה אחראי על הקורס (רכז): ברק סובר

דוא"ל של המורה האחראי על הקורס: barak.sober@mail.huji.ac.il

שעות קבלה של רכז הקורס:

מורי הקורס:
ד"ר ברק סובר

תאור כללי של הקורס:
על אף שמו, הקורס איננו קורס קלאסי במבוא לעיבוד אותות כפי שמלמדים אותו בהנדסת חשמל (שם יש דגש נרחב על אותות תקשורת) אלא קורס הממוקד לתלמידי מדע הנתונים. כלומר, כוונת הקורס היא להציג רעיונות מרכזיים מתוך עולם עיבוד האותות ואנליזה הרמונית אשר רלבנטיים בניתוח נתונים ולמידת מכונה (עיבוד תמונה, קול, טקסט).
הקורס יעבור דרך נושאים קלאסיים בעיבוד אותות כמו פירוק פורייה, קונבולוציות, Wavelets, והמתח שנפער בייצוג דיגיטאלי של מידע אנלוגי. בסוף הקורס, נקשור בין חלק מהמושגים שנלמדו לבין השימושים של הכלים הללו בלמידת מכונה מודרנית ורשתות נוירונים.

מטרות הקורס:
לסקור את הכלים המתמטיים והידע שהצטבר לאורך כחצי מאה בתחום עיבוד האותות והמתח שבעבודה עם ייצוג בדיד של עולם חוויות רציף. כמו כן, הקורס ינסה לקשר מושגי ייסוד מעולם עיבוד האותו לבין גישות מודרניות בעיבוד אותות המבוססות בדרך כלל על אלגוריתמי למידת מכונה ורשתות נוירונים.

תוצרי למידה :
בסיומו של קורס זה, סטודנטים יהיו מסוגלים:
בסיומו של קורס זה, סטודנטים יהיו מסוגלים:
- להסביר עקרונות יסודיים בעיבוד אותות
- להפעיל פירוק פורייה ופירוק wavlets על אותות שונים ולבצע מניפולציות בסיסיות במרחבי הייצוג
- להבין את הרעיונות העומדים מאחורי קונבולוציה בדידה ואיך היא מיושמת
- לקשר בין רעיונות מרכזיים בעיבוד אותות לבין השימוש שלהם בעולם רשתות הנוירונים

דרישות נוכחות (%):
80

שיטת ההוראה בקורס: הקורס מעובר פרונטאלית בכיתה. הנוכחות חובה. שיעורים בודדים יועברו בזום (הודעה תנתן מראש).
השיעורים יוקלטו אך תנתן גישה רק לתלמידים אשר יראו סיבה לגיטימית להעדרות.

רשימת נושאים / תכנית הלימודים בקורס:
הרשימה מטה איננה רשימה מלאה או מחייבת. ייתכן שחלק מהנושאים ירדו ושאחרים יצטרפו. זוהי רשימה טנטטיבית.
1. מבוא ושימושים של עיבוד אותות (RF, תמונה, קול)
2. מבוא קצר למרחבי הילברט ובסיסים למרחב L2 (Fourier, Windowed Fourier ו wavelets), Frames
3. קונבולוציה
4. Discrete Fourier Transform ו Fast Fourier Transform
5.הצגה בדידה של אותות דגומים, משפט הדגימה של שנון ונייקוויסט וחסמים תיאורטיים לטיב הקירוב ואסטימציה של דגימה עם רעש סטוכאסטי.
6. רשתות קונבולוציה ושימושים של רשתות נוירונים בעיבוד אותות

חומר חובה לקריאה:
אין

חומר לקריאה נוספת:
"Digital Signal Processing: Principles, Algorithms, and Applications" by John G. Proakis and Dimitris G. Manolakis.
"Wavelet Methods in Statistics with R" by Guy Nason.
"Deep Learning" by Ian Goodfellow, Yoshua Bengio, and Aaron Courville
“Ten Lectures on Wavelets” by Ingird Daubechies.

מרכיבי הציון הסופי :
הגשת עבודה מסכמת / פרויקט גמר / מטלת סיכום / רפרט % 80
מטלות הגשה במהלך הסמסטר: תרגילים / עבודות / מבדקים / דוחות / פורום / סימולציה ואחרות % 20

מידע נוסף / הערות: