º©¸ °©¬ ¤¸¡¢¬ · 3) Guttag, J., 2016. Introduction to Computation and Programming Using Python: with Application to Understanding Data . MIT Press. 4) %ORRPILHOG 9 $ 8VLQJ5IRUQXPHULFDODQDO\VLVLQVFLHQFHDQG

$Page 1: º©¸ °©¬ ¤¸¡¢¬ · 3) Guttag, J., 2016. Introduction to Computation and Programming Using Python: with Application to Understanding Data . MIT Press. 4) %ORRPILHOG 9 $ 8VLQJ5IRUQXPHULFDODQDO\VLVLQVFLHQFHDQG$
להנדסה לינארית אלגברה שם הקורס בעברית:

Linear Algebra for Engineering שם הקורס באנגלית:

201.1.9321 מספר הקורס:

ש"ש 5, סה"כ: 0, מעבדה 1, תרגיל 4הרצאה: הקורס:מבנה

4.5 נקודות זכות:

תאור הקורס:מספריים )רציונליים, ממשיים(.שדה המספרים המרוכבים(, מבוא: מושגים יסוד מתורת הפונקציות:שדות

הצגה אלגברית, הצגה קוטבית )טריגונומטרית(, נוסחת אוילר, מציגות שרשרם הגדרת שדה. שדות . מערכת משוואות ליניאריות מעל השדות הנ"ל:הגדרת מושגים בסיסיים. מערכות שקולות, Zp.2סופיים

טת האלימינציה של גאוס, מערכת משוואות ליניאריות ומטריצות, הצגה פעולות יסודיות, פתרון על ידי שימטריצאלית של מערכת ופתרון של מערכת בעזרת ההצגה. דרגת מטריצה, דרגות חופש. צורה קנונית,

. 3מערכות הומוגניות. פתרון כללי למערכות לא הומוגניות בעזרת פתרון כללי להומוגנית המתאימה.שדה: הגדרה ודוגמאות )מרחב שורות, מרחב מטריצות, מרחב פולינומים, מרחב מרחבים ווקטוריים מעל

מרחב. חיתוך וחיבור תת מרחבים. קומבינציה -מרחבים. דוגמאות, קריטריון של תת-פונקציות(. תתליניארית של וקטורים. פרישה ליניארית. תלות ואי תלות ליניארית. בסיס וממד. משפט המימד עבור

ים. מרחב השורה ומרחב העמודה של מטריצה, דרגה של מטריצה, משוואות ליניאריות מרחב-סכום תתי. מטריצות: כפל מטריצות, מטריצות ריבועיות, חזקות ופולינומים של 4ומרחבים וקטוריים, קואורדינטות.

מטריצות, אלכסון ועקבה, סוגים של מטריצות, מטריצות הפיכות, חישוב של מטריצה הופכית, שינוי (, הגדרה רקורסיבית, פיתוח לפי שורה ועמודה, תכונות n=2,3. דטרמיננטות: מקרים פרטיים )5ס.בסי

, כפליות, מולטילינאריות(, חישוב דטרמיננטות שרירותיות, יישומים: כלל קרמר, dif=0)תשובות חלק . פולינומים מעל שדה: התחלקות, פירוק לגורמים, מ6מטריצה צמודה וחישוב של מטריצה הופכית.

. טרנספורמציות ליניאריות: הגדרות, דוגמאות )כולל הגדרת אופרטור ליניארי, 7משותף גדול ביותר.איזומורפיזם(, גרעין ותמונה של טרנספורמציות ליניאריות, משפט המימד, הצגה מטריציונית, החלפת

ניאריים. הפולינום . ערכים עצמיים ווקטורים עצמיים: לכסון של אופרטורים לי8בסיס ודמיון מטריצות.. מרחבי מכפלה 9האופייני, חישוב ערכים עצמיים ווקטורים עצמיים של מטריצה, לכסון מטריצות.

פנימית: הגדרות, אי שוויון קושי שוורץ, אי שוויון בסל, בסיסים אורטוגונליים ואורטונורמליים, תהליך האורטוגונליזציה של גראם שמידט.

מטרות הקורס: ת של הקורס היא לספק לתלמידים מיומנות באלגברה לינארית.המטרה העיקרי

אין תנאי קדם:

הציון: הרכבדרישות הקורס ו

15%, בוחן אמצע 85%מבחן סופי

:(בבליוגרפיהרשימת קריאה ) ובמדריך ההוראה: בנושא שונים לימוד בספרי להשתמש יכולים תלמידים .לקורס חובה ספר אין

, מבוא לאלגברה לינארית, המחלקה למתמטיקה, אוניברסיטת בן גוריון בנגב. אמנון יקותיאלי .1https://www.math.bgu.ac.il/~amyekut/book/book.pdf )הורדה חופשית(

https://www.math.bgu.ac.il/~amyekut/book/book.pdf

https://www.math.bgu.ac.il/~amyekut/book/book.pdf

:תכנית המפגשים

מס' נושא השיעור קריאה נדרשת

השיעור

1 ותכונותיהם שדות, מרוכבים מספרים 1פרק .גאוס של הדרוג שיטת, לינאריות משוואות מערכות 2פרק

הפתרונות מרחב

2

הפיכות מטריצות .ותכונות פעולות :מטריצות 4פרק

.ואלמנטריות

3

4 .קרמר כלל .תכונות .ודטרמיננטה נפח פונקציות 5פרק

5-6 .מימד ,בסיס ,תלות ,פרישה :וקטורים מרחבים 3פרק

7-8 מרחבים תת של וחיתוך סכום ,מרחב תתי 5פרק

בין מעבר ומטריצת לבסיס ביחס קואורדנטות וקטורי 6פרק

.הבסיסים

9

של מטריצה .ותמונה גרעין ,לינאיריות העתקות 6פרק

.לבסיס ביחס העתקה10

.אופייני פולינום .עצמיים וקטורים, עצמיים ערכים 7פרק

.לכסון

11

.הטלה .אורתונורמלי בסיס .פנימית מכפלה מרחבי 8פרק

.שמידט גרהם תהליך

12

13 .אורתונורמלי בבסיס הרמיטיות העתקות של לכסון 8פרק

1 מידע למערכות א"חדו שם הקורס בעברית:

Calculus 1 for Information Systems שם הקורס באנגלית:


ש"ש 6, סה"כ: 0, מעבדה 2, תרגיל 4 הרצאה: הקורס:מבנה

5 נקודות זכות:

הקורס: תיאור

מערכת המספרים הממשיים: המספרים בטבעיים, סדר טוב, . 1הקורס כולל את הנושאים הבאים: המספרים השלמים, המספרים הרציונאליים, הפעולות האריתמטיות ואכסיומות השדה, הסדר על

המספרים הרציונאליים, ארכימדיות, אי השלימות של הרציונאליים, מספרים אי רציונאליים ומושג רע, מכסימום ומינימום, סופרמום ואינפימום, חזקות השלימות, קבוצות חסומות, חסם מלעיל וחסם מל

הממוצעים(, SCHWARZ , -, CAUCHYרציונאליות ואי רציונאליות, אי שיויונות בסיסיים )ברנולי. סדרות וגבולותיהן, 2מעל הרציונאליים. מציאת כל השורשים הרציונאליים של משוואה פולינומיאלית

אריתמטיקה של גבולות, התבדרות ושאיפה לאינסוף, אי שיויונות בין סדרות ובין גבולותיהן, משפט סדרות חלקיות, משפט , CANTORהסנדוויץ', סדרות מונוטוניות, סדרות רקורסיביות, הלמה של

. פונקציות במשתנה יחיד, 3התכנסות סדרות. ל CAUCHYווירשטרס, האקספוננט, קריטריון-בולצאנו. הגבול של פונקציה, ההגדרה 4פעולות אריתמטיות על פונקציות, מונוטוניות, הפונקציות האלמנטריות.

הסידרתית וההגדרה הלא סידרתית, אריתמטיקה של גבולות, גבולות חד צדדיים, פונקציות חסומות, סדר . פונקציות רציפות, מיון נקודות אי רציפות, משפט ערך 5ן(. או קט-הגודל של פונקציה ) או גדול ו

. הנגזרת של פונקציה, הגרף של פונקציה ומשיק לגרף, שיפוע 6הביניים ושימושיו, רציפות ומונוטוניות. ,LEIBNITZהמשיק, המהירות, גזירות ורציפות, האריתמטיקה של אופרטור הגזירה ובפרט כלל

רשרת, נגזרות מסדר גבוה, משפט פרמה, משפט רול, משפט ערך הביניים הרכבה של פונקציות, כלל הש. 7הכלל של לו'פיטל, משפט טיילור. , CAUCHYמשפט ערך הביניים של , LAGRANGEשל

חקירת פונקציות, מכסימום ומינימום מקומיים וגלובליים, נקודות פיתול, קמירות וקעירות, אסימפטוטות. פונקציה קדומה, שיטות אינטגרציה: אינטגרציה ע"י פירוק, אינטגרציה . האינטגרל הלא מסויים,8

. אינטגרל המסויים, השטח המוגבל ע"י גרף 9בחלקים, הצבות, אינטגרציה של פונקציות רציונאליות. פונקציה והמשפט היסודי של החשבון הדיפרנציאלי והאינטגרלי, אריתמטיקה של אינטגרלים, אי שיויון

.ות בזמן שנותר גם: נפח גופי סיבוב, אורך קשתהמשולש, ובתל

מטרות הקורס: המטרה העיקרית של הקורס היא לספק לתלמידים מיומנות בחשבון דיפרנציאלי ואינטגרלי.

תנאי קדם:

אין

הציון: הרכבדרישות הקורס ומבחן מסכם - 85%

בוחן אמצע סמסטר - 10%

תרגילים( 10תרגילי בית )חובה להגיש לפחות 12 - 5%

:(בבליוגרפיהרשימת קריאה )

אין רשימת קריאה חובה. חומר לקריאה נוספת: נ"חד' מיזלר , חשבון אינפיניטסימלי, אקדמון, ירושלים תש .1 1994ספרי לימוד, חיפה , ,,הוצאת בק 1בן ציון קון וסמי זפרני, חשבון דיפרנציאלי ואינטגרלי .2


מס' השיעור נושא השיעור קריאה נדרשת

מספרים ממשיים, חסם עליון ותחתון של קבוצת אין חובת קריאהמספרים, סדרות, מושג הגבול, גבולות של סדרות

.eמספרים, גבול של סדרה, המספר

1

פונקציות. תחום הגדרה וטווח. גרף. מונוטוניות אין חובת קריאה, זוגיות , מחזוריות. הרכבת פונקציות. פונקציה

-הפוכה. גבול של פונקציה. רציפות , רציפות חד צדדית.

2

הנגזרת וכללי הגזירה היסודיים , נגזרות אין חובת קריאההפונקציות הטריגונומטריות, גזירת פונקציות

נקציות סתומות. הפוכות ופו

3

משפט לגרנז' )משפט הערך הממוצע לפונקציות אין חובת קריאהגזירות(. משפט לגרנז' )משפט הערך הממוצע

לפונקציות גזירות(

4

בעיות קיצון. אקסטרמומים של פונקציה רציפה אין חובת קריאהבקטע סגור. הערך הגדול ביותר של פונקציה

רציפה בקטע.

5

קריאהאין חובת נגזרת שנייה ושימושיה. קמירות וקעירות. חקירת פונקציות ובניית גרפים.

6

הדיפרנציאל וקרוב מסדר ראשון. משפט טיילור אין חובת קריאה וקירובים מסדר גבוה. נוסחאות טיילור ומקלורן.

7

אינטגרל בלתי מסוים. הגדרה ותכונות. אין חובת קריאהיטות אינטגרציה. הצבה , אינטגרלים מידיים. ש

חלקים.

8

ליבניץ. משפט -אינטגרל מסוים. נוסחת ניוטון אין חובת קריאה הערך הממוצע לפונקציות רציפות

9

האינטגרל המסוים. שטחים , האינטגרל אין חובת קריאהכפונקציה של הגבול העליון. שימושיו של

האינטגרל המסוים.

10

ידי שברים -אינטגרציית פונקציות רציונליות על אין חובת קריאה חלקיים

11

12 ידי הצבות טריגונומטריות-אינטגרציה על אין חובת קריאה 13 אמיתיים-אינטגרלים לא אין חובת קריאה

בשפת פייתון מבוא לתכנות שם הקורס בעברית:

Introduction to programming in Python שם הקורס באנגלית:

-----372 מספר הקורס:

ש"ש 6, סה"כ: 0, מעבדה 2, תרגיל: 4 הרצאה: הקורס:מבנה


קורס מתמקד בעקרונות ה קורס מבוא למדעי המחשב באמצעות שפת התכנות פייתון. תאור הקורס:הגדרות משתנים, תנאים, לולאות, פונקציות, מיונים, תכנות תכנות בסיסיים ומכסה מגוון של נושאים כגון

.ומבני נתונים בסיסיםתכנות מונחה עצמים נושאים בסיסים ברקורסיבי. הקורס גם מכסה

במדעי המחשב ובחשיבה לימוד עקרונות בסיסיים בתכנות, הקניית ידע בסיסי :מטרות הקורס ., אפליקציות ושימוש בכלים קיימיםאלגוריתמית

אין תנאי קדם:


נקודות מציון הקורס. הגשת 1-3תרגילים, כאשר כל אחד מהם "שווה" = 12Nבמהלך הקורס יפורסמו

התרגילים בבודדים.

הבאים:על מנת לעבור את הקורס יש לעמוד בתנאים

( לפחות 60יש לעבור )בציוןN - 2 מהתרגילים. חשוב להבהיר שציון התרגילים ייקבע ע"ס כל הנדרשים למעבר הקורס. N-2( ולא רק Nהתרגילים )

( במבחן הסופי הינו תנאי הכרחי לציון עובר בקורס. ציונו הסופי של סטודנט 56ציון עובר ) .זהה לציון במבחן הסופייהיה 56-שיקבל במבחן הסופי ציון נמוך מ

הרכב ציון:

מציון הקורס. 20%התרגילים ירכיבו

מציון הקורס. 80%המבחן ירכיב

:(בבליוגרפיהרשימת קריאה )הקורס מבוסס על שילוב של קורסים שפותחו באוניברסיטת תל הקורס אינו מבוסס על ספר לימוד מסוים.

( "תכנות למהנדסים בפייתון" 2( "מבוא מורחב למדעי המחשב" שפותח ע"י בני שור ורני הוד; )1אביב: )למעוניינים, אנו ממליצים על הספרים הבאים כחומר קריאה שפותח ע"י אסף זריצקי, נגה לוי ויואב רם.

נות פייתון:משלים בנושא שפת התכ

1. Python 3 documentation (official language manual),

http://docs.python.org/py3k / 2. Downey, A., 2015. Think Python. 2

nd edition, O'Reilly Media;

https://greenteapress.com/wp/think-python-2e / 3. John Zelle, 2016, Python Programming: An Introduction to Computer Science,

3rd Ed, Franklin, Beedle & Associates;

.

:)על בסיס שני מפגשים בשבוע( תכנית המפגשים

מס' השיעור נושא השיעור קריאה נדרשת 1 תחביר בסיסי אין קריאת חובה 2 2חלק –תחביר בסיסי אין קריאת חובה

3 פונקציות אין קריאת חובה

4 מודל זיכרון אין קריאת חובה

Dictionaries, data analysis 5 אין קריאת חובה

6 ייצוג בינארי של מספרים אין קריאת חובה

7 1רקורסיה חלק אין קריאת חובה

8 2רקורסיה חלק אין קריאת חובה 9 3רקורסיה חלק אין קריאת חובה 10 מיון וחיפוש אין קריאת חובה 11 סיבוכיות אין קריאת חובה 12 זיהוי והתמודדות עם טעויות אין קריאת חובה 13 1חלק –תכנות מונחה עצמים אין קריאת חובה 14 2חלק –תכנות מונחה עצמים אין קריאת חובה 15 3חלק –תכנות מונחה עצמים אין קריאת חובה High order functions, λ-experssions 16 אין קריאת חובה 17 עיבוד אותות באמצעות פייתון אין קריאת חובה Memoization 18 אין קריאת חובה 19 סימולציה אין קריאת חובה 20 עיבוד קבצים אין קריאת חובה Exception 21-טיפול ב אין קריאת חובה 22 עצי חיפוש בינארים אין קריאת חובה 23 ניתוח נומרי בשפת פייתון אין קריאת חובה 24 למידה חישובית בשפת פייתון אין קריאת חובה

מבוא להנדסת נתונים שם הקורס בעברית:

Introduction to Data Engineering שם הקורס באנגלית:

----3721 מספר הקורס:



תאור הקורס:הנושאים הנלמדים בקורס כוללים: סקירה כללית של התחום, מסדי נתונים רלציוניים, מחסני נתונים

, אתיקה ופרטיות חוקי קשר, ת, חיזוי, סיווג, ניתוח אשכולותובינה עסקית, עיבוד נתונים, אמידה סטטיסטי נתונים.

בשפות תכונות ותוכנה לעבודה נוחה עם נתונים. בפרט התלמידים בשיעורי המעבדה התלמידים יתנסו Rת ושפ , ביצוע ניתוחים סטטיסטיים באמצעותMS Accessמסדי נתונים באמצעות תוכנת ילמדו לבנות

.Python -ו R והרצת אלגוריתמים של כריית מידע באמצעות שפת MS Excelתוכנת ו

מטרות הקורס:ת והכלים המובילים לאחסון, עיבוד, ניתוח ותצוגה של כמויות נתונים הקורס נועד לסקור את השיטו

במהלך הקורס הסטודנטים יחשפו ( לצורך פתרונן של בעיות הנדסיות מורכבות.Big Dataגדולות )למקורות עשירים ומגוונים של נתונים, וכלים בסיסיים לניתוחם והבנתם, למשל ממערכות חברתיות,

אינטרנט ועוד. עסקיות, ייצור, רפואה,

תנאי קדם: מבוא לתכנות .1

מבוא להסתברות וסטטיסטיקה )קורס מקביל( .2

הציון: הרכבדרישות הקורס ו ,התלמיד נדרש ללמוד את נושאי הקורס המפורטים להלן על פי ההרצאות בכיתה וחומר הקריאה

ולהגיש עבודות בית במועד ולהבחן בסוף הקורס על החומר. ובמעבדות להשתתף בהרצאות

עבודות בית מעשיות הקשורות לנושאי המעבדה. ניתן להגיש את 6-8במשך הקורס יינתנו העבודות בזוגות.

.באמצע הסמסטר יתקיים בוחן .בסוף הסמסטר תתקיים בחינה סופית על כל חומר הקורס הגשת כל עבודות הבית, השתתפות בבוחן וקבלת ממפגשי המעבדה, 80%-השתתפות לפחות ב

ציון עובר בבחינה הסופית הם תנאים למעבר הקורס. 20%-כ –משקל מטלות המעבדה 20%-כ –משקל הבוחן חובת מעבר( 60%-כ –משקל הבחינה הסופית(

:(בבליוגרפיהרשימת קריאה )1) Han, J., Kamber, M., and Pei, J., 2011, Data Mining Concepts and

Techniques, 3rd

Edition, Morgan Kaufmann.

2) Kelleher, J.D. and Tierney, B., 2018. Data Science. The MIT Press.

3) Guttag, J., 2016. Introduction to Computation and Programming Using

Python: with Application to Understanding Data. MIT Press.

4) Bloomfield, V.A., 2014. Using R for numerical analysis in science and engineering. Chapman and Hall/CRC.


קריאה נדרשת נושא השיעור מס' השיעור

מבוא לקורס. סקירה כללית של תחום 1-2מדעי הנתונים כולל הרקע ההיסטורי

פרויקטים והטכנולוגי. דוגמאות של מעשיים.

Han : 1פרק Kelleher 1: פרק

תכנון מסדי נתונים, מאגרי נתונים, 3-Entityנתונים רלציוניים. מודל

Relationship.


שליפת מידע ממסדי נתונים רלציוניים. 4 .NoSQL. גישת SQLמבוא לשפת

Han : 1פרק

business) מחסני נתונים ובינה עסקית 5

intelligence.)

Han : 4פרק

(. data manipulationעיבוד נתונים ) 6(. זיהוי data cleaningניקוי נתונים )

. המרת outlier detection)חריגים ) (. data transformationנתונים )

Han : 3פרק

2פרק : Han אמידה סטטיסטית ובדיקת השערות. 7Bloomfield:

10+ 3פרק Guttag פרק :17+18

חיזוי ערכים רציפים. רגרסיה ליניארית 8 פשוטה ורגרסיה לינארית רבת משתנים.

Han : 3פרק

(. גישת classificationסיווג ) 9-10(. עצי k-NNהשכנים הקרובים ביותר )

(.decision treesהחלטה )


Guttag 24: פרק 10פרק : Han (.clusteringניתוח אשכולות ) 11

Guttag 23: פרק 6פרק : Han (.association rulesחוקי קשר ) 12 6: פרק Kelleher אתיקה ופרטיות נתונים 13

תמטיקה דיסקרטית למהנדסי נתוניםמ שם הקורס בעברית:

Discrete Mathematics for Data Engineers שם הקורס באנגלית:




תאור הקורס:הקבוצה ופעולות האיחוד, החיתוך ההפרש וההשלמה על . מושג 1הבסיס של תורת הקבוצות חלק א':

. משפט האינדוקציה של המספרים הטבעיים. אינדוקציה שלמה, עקרון האבר 2קבוצות. קבוצת החזקה. . הפונקציה. תחום וטווח. 4. זוגות סדורים והמכפלה הקרטזית. מושג היחס.3המינימאלי. שימושים.

תחשיב הפסוקים . חלק ב': בת פונקציות. המינימאלי. שימושיםרכחד ערכית. פונקציה על. ה-פונקציה חד .5. שלמות מערכות של קשרים. 4. צורה דיסיונקטיבית נורמלית.3. השקילויות הבסיסיות.2. הקשרים.1

. השמות וספוק 3מבנים ודוגמאות למבנים. .6 שפת תחשיב הפרדיקטים. נוסחאות, שמות עצם ופסוקים': יסודות גחלק . שקילות אלמנטרית וקבוצות גדירות.5ות לוגית וגרירה לוגית.. שקיל4נוסחאות במבנים.

. קבוצות שעוצמתן שווה 3. קבוצות סופיות וקבוצות אינסופיות.2. מושג העוצמה.1חשבון עוצמות . עוצמת המספרים 5החזקה. . משפט קנטור על עוצמת קבוצת4לעוצמת קבוצות המספרים הטבעיים.

גרפים. מושג כללי של גרף, דוגמאות, איזומורפיזם. קשירות. גרפי אוילר. עצים. :חלק ד'. הממשייםחלקיים, משפט קניג. משפט הול. שיטת ההכלה ודחיה. נוסחה אנליטית למספרי -משפט קיילי. גרפים דו

סטירלינג. ספירת תמורות תחת אילוצים. פולינום הצריח. פונקציות יוצרות. מושג כללי של פ"י. משמעות קומבינטורית של פ"י.

מטרות הקורס:מטרת הקורס להציג כלים בסיסיים שידרשו לסטודנט בהמשך לימודיו להכיר את הגישה וצורת המחשבה

של מתמטיקה מופשטת.

תנאי קדם:

אין

הציון: הרכבדרישות הקורס ו 20% סמסטר אמצע בוחן . 1

80% סמסטר סוף . בחינת2

:(בבליוגרפיהרשימת קריאה ) אין ספרות חובה אך הספרות מומלצת כוללת:

דיסקרטית מתמטיקה מסדרה 1 ספר) הפתוחה האוניברסיטה) ,הקבוצות תורת , גינזבורג אברהם .1

דרהמס 3 ספר, מתמטית לוגיקה , גינזבורג אברהם ,ברגר שמואל .2

3) Grimaldi, Discrete and combinatorial mathematics.- Addison Wesley, 1994



מושגים בסיסיים בתורת הקבוצות: קבוצה, אין קריאת חובה תת קבוצה, שוויון קבוצות, פעולות עם קבוצות, זהויות בסיסיות באלגברה של

קבוצות. המכפלה הקרטזית. יחסים, יחסיםיחסים. יחס שקילות, בינאריים, פעולות עם

חלוקה של קבוצה לתתי קבוצות, קבוצת מנה.

יחס סדר חלקי, יחס סדר קווי. אינדוקציה מתמטית. תכונות נוספות של יחס סדר חלקי.

חד ערכית, פונקציה -פונקציות, פונקציה חד על, פונקציה הפיכה. מבנים מתמטיים.

1-3

ות עם תחשיב הפסוקים. פסוקים, פעול אין קריאת חובה פסוקים, גרירה לוגית, שקילות לוגית,

השקילויות הלוגיות הבסיסיות. פונקציות אמת, צורה דיסיונקטיבית נורמלית, מערכות

שלמות של קשרים.

4-6

תחשיב הפרדיקטים. שפת תחשיב אין קריאת חובה הפרדיקטים, כמתים, שמות עצם ונוסחאות.

נוסחאות מסופקות במבנים מתמטיים. גרירה לוגית, שקילות לוגית. תכונות

אלמנטאריות, קבוצות גדירות במבנה מתמטי. אוטומורפיזם והוכחת אי גדירות.

7-8

יסודות חשבון עוצמות. מושג העוצמה, יחס אין קריאת חובה -סדר בין עוצמות, משפט קנטור

ברנשטיין. משפט קנטור על עוצמת קבוצת חזקה, עוצמות בנות מניה. עוצמות קבוצות

של מספרים רציונאליים, ממשיים ומרוכבים. פעולות עם עוצמות.

9-10

גרפים. מושג כללי של גרף, דוגמאות, אין קריאת חובהאיזומורפיזם. קשירות. גרפי אוילר. עצים.

חלקיים, משפט קניג. -משפט קיילי. גרפים דומשפט הול. שיטת ההכלה ודחיה. נוסחה

תמורות אנליטית למספרי סטירלינג. ספירתתחת אילוצים. פולינום הצריח. פונקציות

יוצרות. מושג כללי של פ"י. משמעות .קומבינטורית של פ"י

11-13

להנדסת מערכות תוכנה ומידע 2חדו"א שם הקורס בעברית:

Calculus 2 for Information Systems שם הקורס באנגלית:




תאור הקורס:

. מכפלה סקלרית )מכפלה פנימית(. R3 -. גיאומטריה אנליטית. ווקטורים ב1הקורס דן בנושאים הבאים: מכפלה ווקטורית. מכפלה מעורבת. משמעות גיאומטרית. משוואת הישר. משוואת המישור. משטחים

. 2איד. ממעלה שנייה. משוואה סטנדרטית של כדור. משוואות קנוניות של פרבולואיד, חרוט, היפרבולופונקציות רבות משתנים. הגדרה של פונקציות רבות משתנים. נקודות ותחומים. גרפים, קווי גובה, משטחי רמה.גבולות ורציפות של פונקציות רבות משתנים. גבול כפול וגבול חוזר. משפטים עבור

ם חלקיים. פונקציות רבות משתנים רציפות בתחומים סגורים וחסומים. נגזרות חלקיות ודיפרנציאליחישוב נגזרות חלקיות . משמעות גיאומטרית. נגזרות מסדרים גבוהים. דיפרנציאביליות. יחסים בין

רציפות ולבין דיפרנציאביליות. דיפרנציאל מסדר ראשון כקירוב לערך הפונקציה בסביבת נקודה. כלל . אקסטרמומים. 3י. שרשרת. נגזרת מכוונת. גרדיאנט. משוואת המישור המשיק ומשוואת הישר הנורמל

דיפרנציאלים מסדרים גבוהים. נוסחת טיילור. נקודות קיצון ונקודות אוכף. תנאי הכרחי למקסימום ומינימום מקומי. תנאי מספיק למציאת מקסימום ומינימום מקומי. מקסימום ומינימום גלובאלי בתחומים

נטגרלים כפולים. אינטגרלים כפולים . אי4סגורים וחסומים. כופלי לגרנז'. כלל דיפרנציאל מסדר שני. בתחומים מלבניים. אינטגרל כפול ונפח גוף. תכונות. אינטגרלים כפולים בתחומים לא מלבניים.

אינטגרלים חוזרים והחלפת סדר האינטגרציה. טרנספורמציה )העתקה( מהמישור לעצמו והיעקוביאן של ימוש בטרנספורמציות והחלפת משתנים. טרנספורמציה. אינטגרל כפול בקואורדינאטות קוטביות. ש

. טורים מספריים וטורים של פונקציות. טורים חיוביים, 5שטחים. מומנטים ומרכז הכובד של לוחית. מבחני ההשוואה. מבחני דאלמבר וקושי, מבחן אינטגרלי של קושי. קריטריון קושי והתכנסות בהחלט.

פונקציות. התכנסות במידה שווה, קריטריון קושי התכנסות בתנאי. מבחן לייבניץ. סדרות וטורים של ומשפט ווירשטרס. תכונות של טורים שמתכנסים במידה שווה. טורי חזקות, רדיוס התכנסות. תכונות של

arctan x, ln(1 + x), cos x, sin x, ex ,?(x + 1)טורי חזקות. טור טיילור. טורי טיילור עבור

מטרות הקורס:סטודנטים את הרקע התיאורטי והיישומי של כלים דיפרנציאליים המאפשרים מטרת הקורס להרחיב ל

חקירת תהליכים התלויים במשתנים רבים, תוך הדגשת תהליכים המתקיימים במישור.

תנאי קדם:

1חדו"א

הציון: הרכבדרישות הקורס ומבחן מסכם - 85%

בוחן אמצע סמסטר - 10%

תרגילים( 8לפחות תרגילי בית )חובה להגיש 10 - 5%

:(בבליוגרפיהרשימת קריאה ) ריאת חובה, אך קריאת רשות מומלצת כוללת את:אין ק

ספרי ,בק הוצאת', ב וחלק 'א חלק 2 ואינטגרלי דיפרנציאלי חשבון ,זפרני וסמי קון ציון בן .1

1994, חיפה ,לימוד

.גוריון -בן אוניברסיטת 2,3 חלקיםם, תרגילי אוסף ,2 א''חדו ,קרביצקי .נ .2

3. Wrede, R.C. and Spiegel, M.R., 2010. Schaum's Outline of Advanced

Calculus: Schaum's Outline Series. McGraw-Hill..

4. Flanders, H. and Price, J.J., 2014. Calculus with analytic geometry. Academic

Press.


שבועמס' נושא השיעור קריאה נדרשת

מכפלה. סקלרית מכפלהו ווקטורים .אנליטית גיאומטריה אין קריאת חובה

מכפלה של גיאומטרית משמעות. מעורבת מכפלה. ווקטורית

.המישור משוואת .מעורבת

1

זווית .מקבילים מישורים בין מרחק. למישור מנקודה מרחק אין קריאת חובה

ישר .ישרים שני בין הדדי מצב .הישר משוואת .מישורים בין

.ומישור

2

,רמה קווי ,מקבילים חתכים של שיטה בעזרת בניה אין קריאת חובה

.משתנים רבות פונקציות של גרפים .רמה משטחי רבות פונקציות עבור משפטיםפונקציה. רציפות. של גבול

.וחסומים סגורים בתחומים רציפות משתנים

3

(. דיפרנציאל .מורכבות פונקציות של גזירה .חלקיות נגזרות אין קריאת חובה חלקיות נגזרות חישוב .חלקיים ודיפרנציאלים חלקיות נגזרות

נגזרות .גיאומטרית משמעות .

ולבין רציפות בין יחסים .דיפרנציאביליות .גבוהים מסדרים

לערך כקירוב ראשון מסדר דיפרנציאל .דיפרנציאביליות

.למשטח ונורמל משיק מישור .נקודה בסביבת הפונקציה

4

.טיילור נוסחת .גבוה מסדר נגזרות .וגרדיאנט כיוונית נגזרת אין קריאת חובה .בתנאי אקסטרמום .משטנים בשני פונקציה של אקסטרמום

ערך מקסימלי ומינימלי של פונקציה בתחום .'לגרנג כופלי סגור

5

החלפת .חוזר אינטגרל בעזרת חישוב .תכונות .כפול אינטגרל אין קריאת חובה

.האינטגרציה סדר

6

7 .כפול באינטגרל משתנים החלפת .כפולים אינטגרלים חישוב אין קריאת חובה מרכז .וכדוריות גליליות קואורדינאטות .משולש אינטגרל אין קריאת חובה

המסה8

אינטגרלים .ראשון מסוג קוויים אינטגרלים .ווקטוריים שדות אין קריאת חובה

.)כוח של עבודה( שני מסוג קוויים9

משמר שדה. במסלול תלוי אינו קווי אינטגרל .גרין נוסחת אין קריאת חובה

.פוטנציאל ופונקצית

10

11 דיברגנט שני, אופרטור מסוג קוויים אינטגרלים אין קריאת חובה .אוסטרוגרדסקי- גאוס משפט .השני מהסוג משטחי אינטגרל אין קריאת חובה

.סטוקס משפט

12

13 מימדי ותלת דו משמר שדה אין קריאת חובה

נתונים ייסודות מבנ שם הקורס בעברית:

Principles of data structures שם הקורס באנגלית:

372111150 מספר הקורס:

ש"ש 6, סה"כ: 0, מעבדה ש"ש 2, תרגיל ש"ש 4 הרצאה: הקורס:מבנה


.הנפתרות ביעילות באמצעותםקורס ייתן ידע במבני נתונים קלסיים ויציג בעיות שונות ה תאור הקורס:מיונים: מיון מהיר, מיון ערימה, מיון , יסודות מתמטיים: סימונים אסימפטוטייםהנושאים יכללו בין היתר:

אלגוריתמים , AVLעצי , עצי חיפוש בינריים, טבלאות גיבוב, מבני נתונים בסיסיים, בזמן לינארי קצרים ביותר; עץ פורש מינימליבגרפים: מושגים בסיסיים; סריקה לרוחב; מסלולים

ש בהם לתכנון אלגוריתמים יעיליםללמד מגוון מבני נתונים והשימוהיא מטרת הקורס :מטרות הקורס

לגוריתמים לפתרון בעיות יסודיות במדעי המחשב, נגדיר ונחשב יעילות אבתוך כך נלמד גם . Javaבשפת לתכנן ולשלב אלגוריתמים ומבני נתונים חדשים של זמני ריצה ונפח אחסון. נלמד כיצד (אסימפטוטית)

השבועיים הראשונים בהרצאות ובתרגול נועדו לחשוף את התלמיד שונות. בעיותפתרון כך שיתאימו ל על בסיס הידע שקיים בשפת פייתון. Javaלשפת

37211111מבוא לתכנות תנאי קדם:


. (10%) : ארבעה תרגילים תיאורטיים ושני תרגילי תכנותתרגילים שישה יינתנו הקורס במשך (70%( ומבחן סופי )20%)אמצע הסמסטר כמו כן, יתקיים בוחן


אין קריאת חובה בקורס. קריאת רשות מומלצת:1. Cormen, T.H., Leiserson, C.E., Rivest, R.L. and Stein, C., 2009. Introduction

to algorithms. MIT press. There is also an Open University Hebrew

translation.

2. Goodrich, M.T., Tamassia, R. and Goldwasser, M.H., 2014. Data structures

and algorithms in Java. John Wiley & Sons.

)תחת שני מפגשים בשבוע( תכנית המפגשים

מס' השיעור נושא השיעור שתקריאה נדר

1-4 שפת ג'אווה למתכנתי פייתון Growth of functions and algorithm

analysis, Recurrences

5-6

Basic ADT’s: Stacks, Queues

Binary Search Trees

7-8

AVL Trees, B-Trees

9

Hash Tables

Bloom filter

10-12

Heaps, Heap Sort, Priority Queues

Huffman code , Lempel-Ziv codes

13-14

Sorts: proof of the lower bound of

comparisons based sorts

15

Quick Sort

16

Sorting in Linear Time: Counting

Sort, Radix Sort, Bucket Sort

17

Order statistic and Median

(deterministic and randomized

algorithms)

18

Elementary graph algorithms: BFS,

DFS, Topological Sort, Pert,

Dijkstra

19-20

Amortized analysis 21-22 Data Structures for Disjoint Sets

(Union Find)

MST : Kruskal, Prim

23-26

1פיזיקה :שם הקורס בעברית

Physics 1 :שם הקורס באנגלית

203-1-1391 מספר הקורס:

ש"ש 4, סה"כ:1 :ל, תרגו 3הרצאה: :הקורסמבנה


הקורס: רתיאו

ולאחר מכן הקדמה מתמטיתהקורס עוסק בפיזיקה ניוטונית קלאסית בתחום המכניקה. הקורס יפתח ב, תנועה סיבובית, מערכות חלקיקים, עבודה ואנרגיה, חוקי ניוטון, קינמטיקהימשיך בנושאים הבאים:

תנודות, תנועת גוף קשיח

מטרות הקורס: להקנות ידע בסיסי של חוקי מכניקה

תנאי קדם: אלגברה לינארית

1חדו"א למע' מידע )במקביל( 2חדו"א למע' מידע

הציון: הרכבודרישות הקורס

10% –, עבודות בית 10% –, בוחן אמצע 80% –מבחן סופי

:(בבליוגרפיהרשימת קריאה )1. Halliday, D., Resnick, R. and Walker, J., 2013, Fundamentals of Physics

Extended, 10th ed., Wiley, chapters 1-11, 15.

2. http://physics.bgu.ac.il/~gedalin/Physics1A-Lectures.pdf (in Hebrew)



1: 1,2,11

2: 1

1-2 קינמטיקה

1: 4,5,6

2: 2

3-4 חוקי ניוטון

1: 5,7,8

2: 3

5-6 עבודה ואנרגיה

1: 9,10

2: 4

7-8 מערכות חלקיקים

1: 13

2: 5

9 תנועה סיבובית

1: 12

2: 6

10-11 תנועת גוף קשיח

1:15

2: 7

12-13 תנודות

http://physics.bgu.ac.il/~gedalin/Physics1A-Lectures.pdf

מבוא להסתברות וסטטיסטיקה שם הקורס בעברית:

Introduction to Probability and Statistics שם הקורס באנגלית:


ש"ש 4, סה"כ: 0, מעבדה 1, תרגיל 3הרצאה: מבנה הקורס:

3.5 זכות: נקודות


הקורס מיועד לפתח מיומנויות של חשיבה שיטתית ומתמטית בהתמודדות עם בעיות בעלות מרכיב של אי וודאות. . הנושאים הנלמדים כוללים Rשפת הקורס יעניק ידע בסיסי בתחום תורת ההסתברות וניסיון מעשי בעבודה עם

מקריים, סקירה של פילוגים בדידים ורציפים חשובים, התפלגות סטטיסטיקה תיאורית, מבוא להסתברות, משתנים נורמאלית, קירוב פילוגים ופילוגים משותפים.

הקורס יקנה ידע בסיסי בתורת ההסתברות. הנושאים הנלמדים כוללים סטטיסטיקה תיאורית, מבוא מטרות הקורס:

שובים, התפלגות נורמאלית, פילוגים משותפים להסתברות, משתנים מקריים, סקירה של פילוגים בדידים ורציפים ח. התרגילים יכילו נתונים Rמידול של נתונים מהעולם האמתי תוך שימוש בשפת במסגרת הקורס נתרגל ומשפטי גבול.

של הקורס ויתנו מהתחומים של חיזוי מזג אויר, אנליזה של שוק ההון, ואחרים. המודלים יהוו נדבך חשוב בתירגול רקע ומומחיות תכנותית במידול סטטיסטיקה תיאורית.

תנאי קדם:

1חדו"א למע' מידע 20119751 למע' מידע )במקביל( 2חדו"א 20119761

דרישות הקורס והרכב הציון:

תרגילים יכללו גם מידול של נתונים חלה חובת הגשה )בזוגות(. שעל כולםבמהלך הקורס יינתנו תרגילים מהעולם האמיתי בעזרת מודלים הסתברותיים וסטטיסטיקה תיאורית.

20%במהלך הסמסטר ייערך בוחן תקף שמשקלו

השתתפות במערכתpeer smart 10%להערכה של תרגילים בכיתה.

הצלחה במבחן היא תנאי למעבר הקורס.. 70%בסוף הקורס תיערך בחינה שמשקלה

רשימת קריאה )בבליוגרפיה(:

1. Ross, S., 2012. A first course in probability 9th Edition, Pearson. International. 2. Bloomfield, V.A., 2014. Using R for numerical analysis in science and

engineering. Chapman and Hall/CRC.

כנית המפגשים:ת

מס' השיעור השיעורנושא קריאה נדרשת

פרמוטציות, קומבינציות, מקדמים בינומיים, קומביטנוריקה: 1פרק

מקדמים מולטינומיאלים

1

2 אקסיומות הסתברותיות, עקרון ההכללה וההפרדה 2פרק

3 הסתברות מותנית, חוק ההסתברות השלמה, חוק בייס 3פרק

4 אירועים תלויים ובלתי תלויים 3פרק

התפלגות בינומית, . דיסקרטיים מקריים למשתנים מבוא 4פרק

.תוחלות

5

, שונות, התפלגות פואסון, פונקציית משתנה אקראי 4פרק

E[ax+b] ,V[ax+b],

6

7 רציפים מקריים מבוא משתנים 5פרק

8 משתנה מקרי אחיד, משתנה מקרי אקספוננציאלי 5פרק

9 התפלגות משותפת 6פרק

10 ושונויות של פונקציות של משנים רציפיםתוחלות 6פרק

. ק הקטן של המספרים הגדוליםומבוא למשפטי גבול, ח 8פרק

משפט הגבול המרכזי. תכנות הסתברותי.

11

R 12-13מידול נתונים בעולם האמיתי בשפת

סטטיסטקה מתקדמת שם הקורס בעברית:

Advanced Statistics :שם הקורס באנגלית




תאור הקורס:ושפות תוכנותת עם ווהכר בייסניאניתהסקת , , בדיקת השערותניתוח נתוניםשל פיתוח מיומנויות

סטטיסטיות.

מטרות הקורס:הקורס מציג את הטכניקות הסטטיסטיות העיקריות המשמשות את מקבלי ההחלטות לצורך ניתוח

הנתונים. הנושאים הנלמדים כוללים: פונקציה יוצרת מומנטים, משפט הגבול המרכזי, אמידה ערות ורווחי סמך לממוצעים, תכונות של אומדים, שיטות למציאת אומדים, בדיקת הש –נקודתית

, מודלים בייסיאניםהסקה בייסיאנית, ציות ולשונויות. מבחני טיב התאמה, להפרשים, לפרופורבמהלך התרגולים בקורס, נלמד . ממדית-התפלגות גאוסיאנית רבובפרט התפלגויות רב מימדיות

ומאגרי נתונים ציבוריים. Rליישם את הנושאים שנלמדו בקורס תוך שימוש בשפת

תנאי קדם: להסתברות וסטטיסטיקהמבוא


מהציון הסופי בקורס. 10%ומשקלם חלה חובת הגשה שעל כולםבמהלך הקורס יינתנו תרגילים

15%יערך בוחן ביניים )מגן( שמשקלו .

היא תנאי למעבר הקורס.הצלחה במבחן . 75%בסוף הקורס תיערך בחינה שמשקלה


ספר חובה:מבוא לסטטיסטיקה ב: הסקה סטטיסטית; מהדורה שניה, נורית חלוזין, מרום, -רות בייט .1

2017האוניברסיטה הפתוחה,

2. Gelman, A., Stern, H.S., Carlin, J.B., Dunson, D.B., Vehtari, A. and Rubin, D.B., 2013. Bayesian data analysis. Chapman and Hall/CRC.

3. Bloomfield, V.A., 2014. Using R for numerical analysis in science and engineering. Chapman and Hall/CRC.

ספרי רשות:

הסקה סטטיסטית" הוצאת עמיחי –אלונה רביב ותלמה לויתן: "מבוא להסתברות וסטטיסטיקה .41997.

5. Mood, A.M., Graybill, F.A. and Boes, V.C., 2011, Introduction to the Theory of Statistics (3

rd edition) McGraw-Hill.

6. Walpole, R.E., Myers, R.H., Myers, S.L. and Ye, K., 2014. Probability and statistics for engineers and scientists (9

th edition), London: Pearson.

.Irvineתרגילים יסתמכו על מודלים ציבורים של מדע למחקר מאוניברסיטת



1 מושגי יסוד ומונחים באמידה ובהסקה סטטיסטית. 5יחידה – 1ספר התפלגות הדגימה של ממוצע המדגם )משפט הגבול 6יחידה -1ספר

המרכזי(. פ' ההתפלגות והצפיפות של המינימום והמקסימום.

2

תכונות של אומדים: חוסר הטיה, –אמידה נקודתית 8יחידה – 1ספר שונות מינימאלית, הקטנת השגיאה הריבועית

של שיטות Rתרגול בשפת הממוצעת, עקיבות. אמידה.

3

יאת אומד )עבור שיטת הנראות המכסימלית למצ 9יחידה – 1ספר התפלגות בדידה ורציפה(.

4

מציאת הרווח, –אמידה באמצעות רווח סמך 7יחידה – 1ספר משמעות הרווח, חישוב גודל מדגם עבור רמת דיוק

רווח בר סמך.של R. תרגול בשפת רצויה

5

, P –רמת מובהקות, עוצמה, ערך –בדיקת השערות 10יחידה -1ספר אזור דחיה, בחירת סטטיסטי המבחן ובניית מבחן

בעל עוצמה מכסימלית ברמת מובהקות נתונה, הלימה של שיטות Rתרגול בשפת פירסון.-של ניימן

לבדיקת השערות.

6

רווחי סמך ובדיקת השערות עבור התפלגויות 11יחידה -1ספר נורמליות )וכלליות, כאשר המדגם גדול( עבור:

שונות ידועה. התוחלת, עבור .א התוחלת, עבור שונות לא ידועה. .בהפרש בין תוחלות עבור שני מדגמים בלתי .ג

תלויים )שונויות ידועות או לא ידועות אך שוות(.

הפרש תוחלות עבור מדגמים מזווגים. .ד

פרופורציה, בסדרת ניסויי ברנולי. .ה השונות כאשר התוחלת ידועה ולא ידועה. .ו

מנת שונויות. .ז

7

בריבוע: מבחן לאי תלות בלוח שכיחויות -מבחני חי 12יחידה -1ספר -למבחני חי Rתרגול בשפת ומבחן טיב ההתאמה.

בריבוע.

8

9 התניה הסתברותית ושימושיה 10 מבוא להסקה בייסיאנית, 1פרק – 2ספר R. 11ויישומיה תוך שימוש בשפת מודלים בייסאנים 2-3פרקים – 2ספר

ויישומיה תוך שימוש ממדית-רב התפלגות גאוסיאנית .Rבשפת

12-13

אלגוריתמים שם הקורס בעברית:

Algorithms שם הקורס באנגלית:


ש"ש 5ש"ש, סה"כ: 2ש"ש, תרגיל 3הרצאה: מבנה הקורס:

נק"ז 4 נקודות זכות:

הקורס יסקור משפחות שונות של אלגוריתמים כגון אלגוריתמי חיפוש על גרפים, תאור הקורס:חמדניים, הפרד ומשול, דינמיים ואלגוריתמי זרימה. בכל משפחה של אלגוריתמים הסטודנטים יחשפו

לאלגוריתמים מרכזיים וילמדו משפטים, הוכחות וניתוח סיבוכיות הקשורים לאלגוריתמים אלו.

טרת הקורס היא לחשוף את הסטודנטים למשפחות שונות של אלגוריתמים כגון מ מטרות הקורס:

אלגוריתמים חמדניים, הפרד ומשול, דינמיים וכו'. המטרה השנייה של הקורס היא ללמד את הסטודנטים כיצד מוכיחים נכונות אלגוריתם וניתוח הסיבוכיות שלו.

תנאי קדם: מבוא לתכנות 37211111

מבני נתוניםיסודות 37211115


התלמידים נדרשים ללמוד את נושאי הקורס עפ"י ההרצאות בכתה וחומר הקריאה, ולהגיש את .1

. עבודות 20%במהלך הקורס יינתנו עבודות בית שמשקלן עבודות הבית במועדים שיקבעו לכך. עבור את הקורס.יש לקבל ציון עובר בתרגילי הבית כדי ל הבית יבוצעו בזוגות.

יש לעבור את הבחינה כדי לעבור . 80%במסגרת הקורס תתקיים בחינה סופית שמשקלה יהיה .2 את הקורס.

רשימת קריאה )בבליוגרפיה(:1. Cormen, T.H., Leiserson, C.E., Rivest, R.L. and Stein, C., 2009. Introduction


translation.

2. Kleinberg, J. and Tardos, E., 2006. Algorithm design. Pearson Education.

תכנית המפגשים:


1 מבוא לאלגוריתמים 1פרק –קולמן

2 גרפים 22פרק –קולמן

BFS 4 22פרק –קולמן

DFS 5 22פרק –קולמן

6 מסלול קצר 24פרק –קולמן

MST 7

8 אלגוריתמים חמדניים 16קולמן פרק

9 הפרד ומשול 4קולמן פרק

10 תכנות דינאמי 15קולמן פרק

11-12 זרימה ברשתות 26פרק –קולמן

13 תכנות לינארי 29פרק –קולמן

תכנות מתקדם שם הקורס בעברית: Advanced Programming שם הקורס באנגלית:


ש"ש 5ש"ש, סה"כ: 1ש"ש, מעבדה 1ש"ש, תרגיל 3הרצאה: מבנה הקורס:


וכן יתמודדו עם תכניות מורכבות. הקורס יסקור את שפת בתכנותהסטודנטים ילמדו על ניהול הזיכרון תאור הקורס:כולל הרכיבים המרכזיים, מבנים, מודולים, ניהול זיכרון ותהליך הקומפילציה. הקורס ידון גם במנגנונים Cהתכנות

בעזרת שפת גונית, ותכנות גנרי. נושאים אלו יודגמו -ועקרונות תכנות כמו טיפוסי נתונים אבסטרקטיים, ירושה, התנהגות רב כגישה נוספת לתכנות ושימושיה. scriptבנוסף, הקורס ילמד שפת . ++Cהתכנות

( היכרות עמוקה עם 1של הסטודנטים על ידי ) התכנותוהבנת התכנותמטרת הקורס היא להרחיב את יכולות מטרות הקורס: תכניות מורכבות. ותכנותמונחה עצמים ( היכרות עמוקה עם תכנות2"מאחורי הקלעים" של התוכנה. )-ניהול הזיכרון וה

תנאי קדם: מבוא לתכנות 37211111

יסודות מבני נתונים 37211115

דרישות הקורס והרכב הציון:התלמידים נדרשים ללמוד את נושאי הקורס עפ"י ההרצאות בכתה וחומר הקריאה, ולהגיש את עבודות הבית במועדים .1

יש לקבל ציון עובר . עבודות הבית יבוצעו בזוגות.10%במהלך הקורס יינתנו עבודות בית שמשקלן שיקבעו לכך. בתרגילי הבית כדי לעבור את הקורס.

.5% –דרישות מעבדה .2

יש לעבור את הבחינה כדי לעבור את הקורס.. 85%במסגרת הקורס תתקיים בחינה סופית שמשקלה יהיה .3

רשימת קריאה )בבליוגרפיה(: אין קריאת חובה, אך הספרים הבאים מומלצים כקריאת רשות.

1. Stroustrup, B., 2013. The C++ programming language. 4th edition, Pearson Education.

2. Kernighan, B. and Ritchie, D.M., 1998. The C programming language, 2nd edition Prentice

hall.

3. Lippman S. and Lajoie J., 2012, C++ Primer (5th Edition), Addison-Wesley Professional

4. Gamma E. and Helm R., 2000, Design Patterns: Elements of Reusable Object-Oriented

Software, Pearson Education


קריאה נדרשת נושא השיעור מס' שיעור

קריאת חובהאין Cמבוא לתכנות בשפת 1

אין קריאת חובה Cטכניקות מתקדמות בשפת 2

אין קריאת חובה מצביעים וזיכרון 3

אין קריאת חובה הקצאת זיכרון 4

אין קריאת חובה סוגי נתונים אבסטרקטים 5-6

אין קריאת חובה ++Cעקרונות תכונות מונחה עצמים ושפת 7

8 Function and Operator Overloading קריאת חובהאין

אין קריאת חובה ירושה 9

אין קריאת חובה פולימורפיזם 10

11 Generic Programming אין קריאת חובה

12 Exception Handling אין קריאת חובה

13 Design Patterns אין קריאת חובה

מבנה מערכות מחשוב ומערכות הפעלה שם הקורס בעברית:

Elements of Computing Systems and Operating Systems שם הקורס באנגלית:

חדש מספר הקורס:



תאור הקורס: ,לוגיים שערים ,מוליכים למחצה כגון הבסיסיים הראשון מתחיל מהאלמנטיםהקורס מורכב משלושה חלקים: החלק

ילמדו הקורס של השני בחלקו .המערכת רכיבי שאר עם שלו והממשק CPU -ה למבנה ועד ,קומבינטוריים ומעגלים

על התמקדות תוך ,עיליות לשפות ואסמבלי ועד מכונה משפות החל ,מחשוב שפות של כלליים עקרונות הסטודנטים

בחלקו השלישי נדון בנושאים מרכזיים במערכות הפעלה, בפרט ניהול .מכונה לשפת עילית משפהם התרגו תהליךוסנכרון תהליכים, ניהול משאבי הזיכרון, ניהול קבצים ועבודה מול רכיבי קלט ופלט. נלמד כיצד המערכת מנהלת

משאבים אלו וכיצד להשתמש בהם.

,מההרצאות כגון יצירת מעגלים לוגיים, כתיבת קוד בשפת מכונה ובאסמבלר בתרגול יודגמו נושאים שונים.code generation ,parsing אסמבלר אמיתי של מחשבי אינטל, כמו גם נדגים כיצד פועלת מערכת ההפעלה ,

Windows.וכיצד להשתמש בשירותי המערכת שהיא מספקת ,

מטרות הקורס:

ראשונית עם מערכות מחשוב ומערכות ההפעלה שלהן.קורס זה יעניק לסטודנטים היכרות

תנאי קדם: מבוא לתכנות 37211111 יסודות מבני נתונים 37211115


עובר ציון לקבל ויש חובה התרגילים כל , הגשת 15%תרגילי תכנות שמקלן הכולל 10יהיו הקורס במהלך .1

.Cיבוצעו בשפת התרגילים .תרגיל בכל הפחות לכל

כל הבחנים הגשת .הקודם בשיעור הנלמד את המכסה מקוון בוחן על לענות יש שבוע מדי מקוונים בחנים .2

5%משקל כל הבחנים המקוונים: .חובה

15%אמצע: בוחן .3

חובת מעבר בחינה לצורך קבלת ציון עובר בקורס - 65%מבחן סופי: .4

רשימת קריאה )בבליוגרפיה(: ים:הספר פי על יתנהל הקורס

1. Nisan N. Schocken S., 2005, The Elements of Computing Systems: Building a Modern

Computer from First Principles, MIT Press.

2. Tanenbaum A., 2014, Modern Operating Systems, 4th

edition, Prentice-Hall


נדרשת קריאה נושא השיעור מס' השיעור

,מוליכים חצי + מחשוב מערכות של חומרה יסודות 1

לוגיים. ושערים בוליאנית אלגברה ,רגיסטרים

1+2פרקים – 1ספר

, ALU ,Full/Half Adder, קומבינטוריים מעגלים 2 מפות קרנו בעזרת מעגלים של אופטימיזציה

3פרק – 1ספר

4-5פרקים – 1ספר ALUרגיסטרים, ,זכרון – בסיסי מחשב 3

code generation ,Parsingסמלים, – אסמבלר 4

(simple) 6פרק – 1ספר

7+8ים פרק -1ספר במחסנית שימוש – פרוצדורות 5

9פרק - 1ספר פרוצדורלית שפה – עיליות שפות 6

טבלת -קוד שפות + יצירת של ניתוח תחבירי, דקדוקים 7

ביטויים ,מערכים ,הסמלים 10-11פרקים – 1ספר

סוגים ומבנים מושגים בסיסים במערכות הפעלה 8 אפשריים.

1פרק - 2ספר

, יצירה, סיום, processes and threads: תהליכים 9 , תזמון.context switchהיררכיות,

2פרק - 2ספר

: מרוצים, אזורים קריטיים, תקשורת בין תהליכים 10 .deadlocksמנגנוני סנכרון, בעיות סנכרון קלאסיות,

3פרק - 2ספר

: מרחב הכתובות, זיכרון וירטואלי, החלפת ניהול זיכרון 11 דפים.

4פרק - 2ספר

6פרק - 2ספר : קבצים וספריות, ניהול ואופטימיזציה.מערכות קבצים 12, מודל I/O(: עקרונות של חומרת ותוכנת I/O) קלט ופלט 13

שכבות, דיסקים, שעונים, ממשקי משתמש. 5פרק - 2ספר

בסיסי נתונים שם הקורס בעברית:

Databases שם הקורס באנגלית:




תאור הקורס:, סכמות ומודלים של נתונים; המודל (DBMS) מבוא לבסיסי נתונים, מערכות לניהול בסיסי נתונים

, אופטימיזציה של שאילתות טכניקות SQLהרלציוני מבנים, אילוצים ופעולות, אלגברה רלציונית, שפת לביצוע פעולות רלציוניות, כללי אופטימיזציה; תורת הנורמליזציה תלויות בין נתונים, כללי נורמליציה,

( Entity/Relationshipם של נתונים; מודל ישויות קשרים )עיצוב סכמת בסיס הנתונים; מודלים סמנטיי (.Transactionsוהרחבותיו; מבוא לתכנות באמצעות בסיסי נתונים ועיבוד תנועות )


ללמוד ולתרגל עקרונות, מודלים, שפות, עיצוב ויישום של מערכות לניהול בסיסי נתונים.

תנאי קדם: מבוא לתכנות 37211111 יסודות מבני נתונים 37211115


,התלמיד נדרש ללמוד את נושאי הקורס המפורטים להלן על פי ההרצאות בכיתה וחומר הקריאה

להשתתף בתרגילים, להגיש עבודות בית במועד ולהבחן בסוף הקורס על החומר.

רס. העבודות תוגשנה בזוגות במועדים מציון הקו 20%-עבודות בית שמשקלן הכולל כ 6-יינתנו כ שייקבעו.

משקלות סופיים ייקבעו במהלך ללא חומר עזר 80%-בסוף הקורס תיערך בחינה שמשקלה כ( . הקורס.(

הצלחה במבחן היא תנאי למעבר הקורס. ,בנוסף לשיעורים יתקיים תרגיל. מטרת התרגיל לסייע בהטמעת החומר הנלמד באמצעות תרגילים

ופתרון עבודות הבית. SQL-תרגול ב

:(בבליוגרפיהרשימת קריאה )1. Elmasri R. and Navathe S., 2015, Fundamentals of Database Systems

(7th Ed.), Addison-Wesley.

. 1998, האוניברסיטה הפתוחה, מידע-תכנון, ניתוח ועיצוב מערכות[ פ. שובל, פש] .2 .9.2-9.1פרקים


קריאה נדרשת נושאי השיעור פגישה

EN: 1, 2 , סכמות ומודלים.DBMSמבוא על בסיסי נתונים, 1

המודל הרלציוני; 2EN: 3

EN: 6 (6.1-6.5) אלגברה רלציונית; 3

; SQLשפת 4 SQL-Serverאו Oracleתרגול במערכת

EN: 4, 5

(DBMS manuals)

EN: 15, 16, 17, 18, 19 אופטימיזציה של שאילתות. 5-6-7

נורמליזציה של נתונים; תלויות פונקציונאליות ומורכבות; 8 כללי נרמול וסינתזה; תהליך עיצוב סכמת בסיס הנתונים.

EN: 15, 16

9.1 :פש

ותרשים (ER) וקשרים -מודלים סמנטיים; מודל ישויות 9ERD ;

EN: 7,8

9.2 :פש

EN: 9 לסכמת בסיס נתונים רלציונית. ERDמיפוי 10

EN: 13 תכנות באמצעות בסיסי נתונים + טריגרים ופונקציות 11

EN: 21, 22 עיבוד תנועות 12-13

לניתוח נתונים מתקדם תכנות שם הקורס בעברית:

Advanced Programming for Data Analysis שם הקורס באנגלית:




תאור הקורס:הופכות לסביבות ניתוח הנתונים המועדפות באקדמיה ובתעשייה, ובמקומות רבים Python-ו Rשפות

נעמיק את . במסגרת הקורס SPSS -, וMatlab, SASמחליפות כלים שנחשבים למסורתיים יותר כמו הקורס ידון במנגנונים בפרט וכלי המעטפות שלהן. Python -ו Rשפות התכנות בהתלמידים הידע של

תכנות גונית, -טיפוסי נתונים אבסטרקטיים, ירושה, התנהגות רבניהול זכרון, ות כמו ועקרונות תכנמלבד ניתוח הנתונים עצמם גם נסקור כלים ושימושיהם לניתוח נתונים. נרי'ותכנות גפונקציונלי

אוטומטיים לדיווח ממצאים. כמו כן הסטודנטים ירכשו מיומנות במימוש שיטות ואלגוריתמים חדשים הנתונים כמוצר תוכנה. בתחום

מטרות הקורס:של הסטודנט יועשר במהלך הקורס, הוא יתנסה במשימות ניתוח נתונים וכריית מידע, הידע התכנותי

תוצר הלמידה שרוכשים ויקבל טעימה מעבודה עם מגוון רחב של עולמות נתונים במהלך הקורס. לניתוח נתונים.הסטודנטים בתום הקורס הוא היכולת ליצור מוצר תוכנה

תנאי קדם:

מבוא לתכנות .1

מבוא להנדסת נתונים .2

אלגוריתמים .3

)במקביל( שיטות רגרסיה .4


להשתתף בהרצאות ולהגיש עבודות בית במועד ולהבחן בסוף הקורס על החומר.

30%-משקל סך מטלות הבית במהלך הקורס הוא כ.

70%-בסוף הקורס תיערך בחינה שמשקלה כ.

קורס.הצלחה במבחן היא תנאי למעבר ה



2. Guttag, J., 2016. Introduction to Computation and Programming Using Python: with Application to Understanding Data. MIT Press

3. Zumel, N., Mount, J. and Porzak, J., 2014. Practical data science with R Greenwich, CT: Manning.



-ו 1: פרקים 1ספר Rויסודות שפת Rשל שפת Ecosystem-ה 12.

וביצוע מניפולציות על Rמבני נתונים בשפת 2 נתונים

4: פרק 1ספר

וכתיבת Applyכתיבת פונקציות, שיטת 3 ספריות חדשות

3: פרקים 3ספר 4עד

+ 3: פרק 1ספר Rניתוח נתונים בשפת 4 10פרק

15: פרק 2ספר Pythonניתוח נתונים בשפת 5 18: פרק 2ספר

. scipy-ו padnas ,numpyהכרת הספריות 6 ביצוע מניפולציות על נתונים וניקוי נתונים

ופתרון Scikit learnהכרת הספרייה 7 משימות למידה שונות

+ 22: פרק 2ספר 24+ פרק 23פרק

מימוש שיטות ואלגוריתמים חדשים בשפת 8Python וזיכרוןושיקולי זמן ריצה.

Pythonבשפת סוגי נתונים אבסטרקטים 9בשפת תכונות מונחה עצמיםעקרונות 10

Python

Pythonירושה בשפת 11 תכנות ג'נרי 12 Pythonעקרונות תכנות פונציונלי לשפת 13

נתוני עתק שם הקורס בעברית:

Big Data שם הקורס באנגלית:





בקורס זה נסקור נושאים מתקדמים בבסיסי נתונים, בדגש על פרדיגמות וארכיטקטורות המתאימות לכמויות מידע ( המבוזרות על כמה מחשבים. הסטודנט ירכוש ידע וכלים שיאפשרו לו ליצור מערכת עם נפח מידע big dataגדולות )

גדול ומיועדת למספר רב של משתמשים, תוך שימוש בטכנולוגיות עדכניות.

נתונים הקורס מחולק לשני חלקים. בחלק הראשון נסקור תאוריות, שיטות ופרדיגמות המיועדות לאפשר לבסיסי

בחלקו השני של הקורס נסקור .רלציוניים לתת שרות לנפח פעילות גדול באמצעות מיקבול וביזור למספר מחשבים, בדגש על היתרונות והחסרונות שלהם מול המודלים הרלציוניים NoSqlמספר פרדיגמות וטכנולוגיות ממשפחת ה

גיות הנ"ל.הקלאסיים. חלק זה יכלול גם תרגול בפועל של חלק מהטכנולו

מטרות הקורס:הקורס נועד להקנות ידע כללי בעקרונות העומדים מאחורי בסיסי נתונים מבוזרים )מקביליות, נכונות, אלגוריתמים

מבוזרים וכו'( ואף לספק התנסות מעשית בסוגי המערכות השונים.

תנאי קדם: בסיסי נתונים 37213305


מציון הקורס. 70%סופית: בחינה .1

מציון הקורס(. 10%מטלות )ממוצע ציוני העבודות מהווה 3-ל 2לבצע בין .2

מציון 20%להכין פרויקט סיום קורס שבו נממש מערכת מידע קטנה תוך שימוש בטכנולוגיות שנלמדו ) .3 .בפרויקט ובמבחן הסופי.הקורס(. נדרש ציון עובר


1. Elmasri R. and Navathe S., 2015, Fundamentals of Database Systems (7th Ed.),

Addison-Wesley.

2. Rajaraman A., Ullman J. D., 2014, Mining of Massive Datasets, 2nd Edition, Cambridge Press

3. Harrison, G., 2015. Next Generation Databases: NoSQLand Big Data. Apress.



1 לקורס מבוא אין קריאה חובה

,embedded SQL :תכנות על גבי מסדי נתונים 4,5פרקים - 1ספר

SQL as a class library, object-relational

mapping.

2

3מודל לקוח, -ארכיטקטורת מסדי נתונים: שרת 14פרק – 1ספר שכבות, ארכיטקטורות מסדי נתונים מבוזרים

3

parititoning מחשוב מבוזר, שיטות אין קריאה חובה

עיבוד מקבילי ומבוזר

4

אתגרים בשימוש במסדי נתונים מבוזרים: עקביות, 22פרק – 1ספר עמידות, מנגנוני נעילה מבוזרים,

two-phase commit

5

CAP 6משפט אין קריאה חובה

HDFS, Map/Reduce, Relational 2פרק – 2ספר

Operators with Map/Reduce

7

Hadoopסיסטם של -האקו 2פרק – 3ספר

BigTable, Pig, Hive

8

Cassandra and CQL. 9 6: פרק 3ספר

Memcached, Redis 10 אין קריאה חובה

Lambda Architecture אין קריאה חובה

HBase (Columnar DB) and Stream

solutions ( Actor Model )

Kafka and Storm

11

12 מחשוב ענן, תוכנה כשירות, מסדי נתונים כשירות אין קריאה חובה

13 סיכום וחזרה למבחן

להנדסת נתוניםואופטימיזציה אנליזה נומרית שם הקורס בעברית:

Numerical Analysis and Optimization for Data Engineering שם הקורס באנגלית:




תאור הקורס:יעילות לפתרון מקורב של בעיות מספריות של המתמטיקה הרציפה, כולל הערכת המקצוע עוסק בשיטות

השגיאה הכרוכה בחישובים מקורבים שכאלה. הדיון הנומרי בבעיה מסוימת כולל את פיתוח השיטה, הצגת סיבוכיות זמן דרכים להפעלת השיטה, לרוב באמצעות תכנית מחשב והערכת היעילות החישובית של השיטה )

(. במסגרת הקורס נלמד גם מגוון של שיטות חישוביות לפתרון בעיות אופטימיזציה ליניאריות ולא ‎רוןוזיכמאולצות. יושם דגש מיוחד על תיאור וניתוח של שיטות שיכולות לסייע בפתרון -ליניאריות, מאולצות ובלתי

לצורך פתרון Rובשפת Pythonבמסגרת הקורס התלמידים יתנסו בשפת בעיות מעשיות בהנדסת נתונים. הבעיות החישוביות.


הקורס נועד לספק רקע נרחב בשיטות חישוביות הנדרשות למהנדס נתונים.

תנאי קדם:

אלגברה לינארית להנדסה 20119321

1חדו"א למע' מידע 20119751

אלגוריתמים 37212051

שפות תכנות לניתוח נתונים 372------

והרכב הציון:דרישות הקורס

,התלמיד נדרש ללמוד את נושאי הקורס המפורטים להלן על פי ההרצאות בכיתה וחומר הקריאה להשתתף בהרצאות ולהגיש עבודות בית במועד ולהבחן בסוף הקורס על החומר.



תנאי למעבר הקורס. הצלחה במבחן היא


1. Burden R.L. and Faires J.D., 2015, Numerical Analysis, 10th ed. Cengage

Learning

2. Nocedal J. and Wright S. J., 2006, Numerical Optimization, Springer Verlag.


4. Guttag, J., 2016. Introduction to Computation and Programming Using Python: with Application to Understanding Data. MIT Press



+ 1פרק – 1ספר הקירוביםמבוא לתורת 1 8פרק

3,פרק – 1ספר אינטרפולציה וקירובים פולינומיאליים 2 6פרק – 3ספר

4פרק – 1ספר גזירה ואינטגרציה נומריות 3 6פרק – 3ספר

6פרק – 1ספר שיטות לפתרון מערכות משוואות לינאריות 4 5פרק – 3ספר

2פרק -2ספר מאולצת-יסודות אופטימיזציה בלתי 5

3פרק - 2ספר שיטות השיפוע התלול 6

6פרק - 2ספר Quasi-Newtonשיטות 7 7פרק – 3ספר

-מאולצת בקנה-שיטות אופטימיזציה בלתי 8 מידה גדול

7פרק - 2ספר

10פרק - 2ספר בעיות ריבועים פחותים 9

12פרק - 2ספר יסודות אופטימיזציה מאולצת 10

13פרק – 2ספר ליניארי: שיטת הסימפלקסתכנות 11אלגוריתמים לאופטימיזציה מאולצת לא 12

ליניארית

15פרק - 2ספר

16פרק - 2ספר תכנות ריבועי 13

שיטות רגרסיה שם הקורס בעברית:

Regression Methods שם הקורס באנגלית:

קורס חדש מספר הקורס:



תאור הקורס:ל רגרסיה ליניאריים ולא ליניאריים ש מודלים שיטות סטטיסטיות שונות לבנייתבמסגרת הקורס נלמד

לצרכים של חיזוי וסיווג ונלמד את עקרונות ניתוח שונות. הקורס מורכב משלושה חלקים עקרים: ;תלוי אחד-רגרסיה לינארית : המודל הליניארי הפשוט עם משתנה תלוי אחד ומשתנה בלתי .1

רגרסיה בשלבים ;תלויים-רגרסיה מרובת משתנים עם משתנה תלוי אחד ומספר משתנים בלתי(stepwise .)

Principal Componentשיטות רגרסיה אחרות: רגרסיה לוגיסטית, רגרסיה מקומית, .2

Analysis (PCA)( שיטות רגרסיה מתקדמות ,Piecewise Regression, Quantile

Regression, LASSO, GLM and GAM ,)

י חד גורמי; מבחן ניתוח שונות : ניתוח שונות חד כיוונית; בלוקים אקראיים וריבוע לטיני לניסו .3עבור קבוצות הומוגניות. קביעת גודל מדגם לניסוי חד גורמי וחישוב העוצמה. .L.S.Dדנקן ו

ניתוח שונות בניסוי דו גורמי. מטרות הקורס:

המגדירים קשר סטטיסטי בין מספר משתנים, התאמת טכניקות שונות לבניית מודלים ללמד הקורס נועד דיוק והתאמת המודל. הקניית יסודות בניתוח שונות בניסוי חד גורמי ודו מודל רגרסיה לנתונים ובדיקת

גורמי.

תנאי קדם: מבוא להסתברות וסטטיסטיקה 37211021

אמידה ומבחני השערות 37212021

שפות תכנות לניתוח נתונים -----372





הקורס.הצלחה במבחן היא תנאי למעבר

:(בבליוגרפיהרשימת קריאה )1. Hastie, T., Tibshirani, R., and Friedman, J., 2009, The Elements of Statistical

Learning: Data Mining, Inference, and Prediction, 2nd

Edition, Springer

Verlag.

2. Montgomery D.C. and Runger G.C., 2010, Applied Statistics and Probability

for Engineers, 5th

edition, Wiley


:תכנית המפגשים מס' השיעור נושא השיעור קריאה נדרשת

3+ פרק 2 פרק -1ספר 10פרק – 3ספר

1 פשוטהרגרסיה ליניארית

3פרק -1ספר 10פרק – 3ספר

2 משתנים-רגרסיה ליניארית רבת

3 בחירת משתנים במודל 3פרק -1ספר

4 (Lasso, Ridge כיווץ ) תושיט 3פרק -1ספר

3פרק -1ספר

10פרק – 3ספר PCA 5ניתוח גורמים ראשיים: שיטת

Linear Discriminant Analysis 6שיטת 4פרק -1ספר

7 רגרסיה לוגיסטית 4פרק -1ספר 8 (GLM מודלים ליניאריים מוכללים ) 4פרק -1ספר

Piecewiseשיטות רגרסיה אחרות )

Regression, Quantile Regression, ) 9

10-11 ( ועצי רגרסיהGAMמודלים אדיטיבים )כגון 9פרק -1ספר

שונות חד כיוונית; בלוקים ניתוח שונות : ניתוח 9-10פרקים – 2ספר אקראיים וריבוע לטיני לניסוי חד גורמי; מבחן

עבור קבוצות הומוגניות. קביעת .L.S.Dדנקן וגודל מדגם לניסוי חד גורמי וחישוב העוצמה.

ניתוח שונות בניסוי דו גורמי.

12-13

בינה מלאכותיתמבוא ל שם הקורס בעברית:

Introduction to Artificial Intelligence שם הקורס באנגלית:




תאור הקורס:תחום ה"בינה מלאכותית" מנסה לבנות ולהבין ישויות אינטליגנטיות בעזרת מחשב. בתחום זה אנו מנסים

או חשיבה. תחומים רבים ושונים נכללים תחת אינטליגנציהלפתור בעזרת מחשב בעיות הדורשות , ים, למידהמשחק הגדרה כללית זו כגון ייצוג ידע, הסקת מסקנות, תכנון, חיפוש כדרך למציאת פתרון,

ועוד. קבלת החלטות תחת אי ודאות

מטרות הקורס:אלגוריתמים רבים הפותרים בעיות בבינה מלאכותית. דגש במסגרת הקורס אנו נכיר מושגים אלו ונלמד

יושם על מערכות קיימות ואלגוריתמים הניתנים ליישום

תנאי קדם: תכנות מתקדם - 37212102 אלגוריתמים - 37212051

)במקביל( מודלים חישוביים - 37212306

ון:הצי הרכבדרישות הקורס ו הסיכום. מבחן בסוף הקורס. פרויקטהגשת תרגילים במועדם )במספר שיקבע(. הגשת

הצלחה במבחן הינה תנאי למעבר הקורס. חלוקת הציון:

עבודות בית 30% בחינה %70


Russell S. & Norvig P., 2010, Artificial Intelligence: A Modern Approach. 3rd

Edition. Pearson. Web site: http://aima.cs.berkeley.edu/



יסודות והיסטוריה של בינה מלאכותית. 1-2פרקים אינטליגנטיים(. מערכות מרובות )סוכנים

סוכנים

1

http://aima.cs.berkeley.edu/

2 שיטות חיפוש בסיסי )לא מיודעות( 3פרק

שיטות חיפוש אינטליגנטיות )מיודעות 4פרק ע"י יוריסטיקות(

3

4 בעיות תכנון ואלגוריתמים לתכנון 10פרק

5-6 בעיות סיפוק אילוצים 6פרק 7 משחקים בבינה מלאכותית 5פרק

לוגית ורזולוציה בלוגיקה מסדר הסקה 7-9פרקים ראשון

8-9

-מודלים מרקוביים לתכנון תחת אי 17פרק Value(. אלגוריתםMDPוודאות )

Iteration ומכרזים

10

PACייצוג ידע בלמידה, למידה עמומה, 19פרק

learning 11

12 ראיה ממוחשבת 24פרק 13 רובוטים ומערכות אוטונומיות 25פרק

מודלים חישוביים: שם הקורס בעברית

Computational Models שם הקורס באנגלית:





השונים ושפות הקשורות הקורס עוסק באוטומטים ושפות פורמליות וסוקר את יכולות של האוטמוטים נושאי הקורס יכללו: אוטומטיים ושפות פורמליות להם. כמו כן, הקורס עוסק במחלקות סיבועיות שונות.

טיורינג, -אוטומטיים סופיים, שפות רגולריות ושפות חופשיות הקשר, מכונות טיורינג ומשפט צ'רץ' - לניתוח אלגוריתמים. , מבואNPבעיות לא פתירות, מבוא לתורת הסיבוכיות ובעיות


. הכרת עקרונות לוגיים של שפות ואוטומטים. 1 . הבנה מתמטית של יכולות ואילוצי המחשב.2 סיבוכיות של בעיות.\. הקניית כלים לסיווג קושי3

:תנאי קדם אלגוריתמים 37212051


הצלחה בבחינה הינה תנאי למעבר בקורס. בחינה בסוף הקורס ותרגילים במהלכו. תרגילים 15%. בחינה 85% חלוקת הציון:


הנושאים על אוטומטים, מכונות ושפות ילמדו מתוך:

1. Hein J. L., 2017, Discrete Structures, Logic, and Computability, 4th

edition,

Jones and Bartlett Publishers

2. Cormen, T.H., Leiserson, C.E., Rivest, R.L. and Stein, C., 2009. Introduction


translation.


קריאה נדרשת נושא השיעור עורימס הש

11: פרק 1ספר אוטומטים סופיים ושפות רגולריות 1-2

11: פרק 1ספר אוטומטים לא דטרמיניסטיים ולמת הניפוח 3

11: פרק 1ספר אוטומט מחסנית ושפות חסרות הקשר 4

12: פרק 1ספר קומפיילרים והקשר לשפות חסרות הקשר. 5

מכונת טיורינג ושפות אוניברסליות. 6-7

12: פרק 1ספר

וכו. P ,NP ,EXPמחלקות סיבוכיות, 8-9 רדוקציות והומומורפיזמים בין בעיות

34: פרק 2ספר

34: פרק 2ספר NP( .NP-COMPLETENESS)שלמות ב 10-11

(.HALTבעיות שאינן ניתנות לחישוב )בעית 12-13

+ פרק 34: פרק 2ספר 35

למידה חישובית שם הקורס בעברית:

Machine Learning שם הקורס באנגלית:




תאור הקורס: Ensemble (Randomהקורס סוקר משפחות אלגוריתמים שונות ללמידה חישובית, בפרט: עצי החלטה, שיטות

Forest, GBM, AdaBoost ,)SVM( רשתות נוירונים בסיסיות ,feedforward neural network ורשתות )(. k-means, Hierarchical clustering( ושיטות בסיסיות לניתוח אשכולות )RNN-ו CNNנוירונים עמוקות )כגון

מידה חישובית, בפרט: עקרון נראות מקסימלית, השיטות הנ"ל יוצגו תוך כדי דיון בעקרונות תיאורטיים ומעשיים של לExpectation–maximization, Empirical Risk Minimization, PAC learning שיטות רגולריזציה ,

פרמטרים. -(, שיטות להערכת ביצועים ושיטות לאופטימיזציה של היפרOver-fittingוהימנעות מהתאמת יתר )ם אלגוריתמים ללמידה חישובית ולבחון את יעילותם על פי הכלים שילמדו במסגרת הקורס ידרשו הסטודנטים לייש

.R-במהלך הקורס התלמידים יתרגלו את החומר הנלמד באמצעות כתיבת קוד בשפות פייתון ו בקורס.

מטרות הקורס: מטרת הקורס להקנות ידע בעקרונות של למידה חישובית ובפיתוח אלגוריתמים בלמידה חישובית.

תנאי קדם: אלגוריתמים 37212051


אמידה ומבחני השערות 37212021

דרישות הקורס והרכב הציון: הלימוד בקורס מבוסס על השתתפות בהרצאות, בתרגולים ובמעבדות והכנת תרגילי המעבדה ותרגילי הבית.

הרכב הציון:

15% :תרגילי המעבדה

15%תרגילי הבית

הצלחה במבחן היא תנאי למעבר הקורס. .70%בחינה סופית:


1. Shalev-Shwartz S. and Ben-David S., 2014, Understanding Machine Learning: From

Theory to Algorithms. Cambridge university press

2. Rokach L., Maimon O., 2014, Data Mining with Decision Trees, 2nd ed, World

Scientific.

3. Rokach L., 2019, Ensemble Learning: Pattern Classification Using Ensemble Methods,

World Scientific (in press).

4. Goodfellow, I., Bengio, Y., Courville, A. and Bengio, Y., 2016. Deep learning (Vol. 1).

Cambridge: MIT press.

:תכנית השיעורים

קריאה נדרשת נושאים שיעור 1פרק – 1ספר מבוא לקורס והצגת משימות למידה שונות 1הסקה , Naïve Bayesגישת בלמידה חישובית, עקרון נראות מקסימלית 2

Expectation–maximizationגישת בלמידה חישובית, בייסיאנית לניתוח אשכולות

24פרק – 1ספר

פרקים – 2ספר לפתרון בעיות סיווגעצי החלטה למידה חישובית באמצעות 32-4

פרקים – 3ספר Boosting-ו Random Forestבפרט – Ensembleשיטות 43-5

( כולל שיטות GBM)בפרט Ensemble נושאים מתקדמים בשיטות 5 (Overfittingוהימנעות מהתאמת יתר ) רגולריזציה

6פרק – 3ספר

פרמטרים-שיטות להערכת ביצועים ושיטות לאופטימיזציה של היפר 67-8 Support Vector Machines

Empirical Risk Minimization, PAC learningועקרונות פרקים – 1ספר – 1, ספר 6, 2-4

15פרק

20פרק – 1ספר (feedforward neural networkרשתות נוירונים בסיסיות ) 9 9פרק – 4ספר CNNרשתות נוירונים מסוג 10 10פרק – 4ספר RNNרשתות נוירונים מסוג 11 19פרק – 1ספר Nearest Neighborsשיטות 12 אתגרים עכשוויים בלמידה חישובית 13

בסיסי נתוניםמערכות מימוש שם הקורס בעברית:

Database Systems Implementation שם הקורס באנגלית:



3.5נקודות זכות:

תאור הקורס:מושגי יסוד בנתונים: שדות, רשומות, מפתחות וקבצים. אמצעי אחסון נתונים. ארגון ועיבוד קובץ ממוין

ולא ממוין: שיטות חיפוש, מיון ומיזוג קבצים עיבוד אקראי ועיבוד באצווה. ארגון קבצים בסיוע (; hash(: שיטות גיבוב )random. ארגון קובץ אקראי )B-TREEושיטת ISAMאינדקסים: שיטת

(, קבצים Linked Listsטיפול בהתנגשויות. גישה לנתונים בעזרת במפתחות משניים: שרשור נתונים )הפכיים. טכניקות לארגון ולעיבוד קבצים הירארכיים ורשתיים. מבוא לבסיסי נתונים. בקרת מקביליות.

XMLהתאוששות, בסיסי נתונים מבוססי Map-Reduce ,,RAIDשיטת

מטרות הקורס: למוד ולתרגל אמצעי אחסון נתונים, מנגנונים לניהול ומימוש בסיס נתוניםל

תנאי קדם:

לתכנות, יסודות מבנה נתונים מבוא הציון: הרכבדרישות הקורס ו

התלמידים נדרשים ללמוד את נושאי הקורס עפ"י ההרצאות בכתה וחומר הקריאה, ולהגיש את עבודות הבית מועדים שיקבעו לכך.

יינתן תרגיל אחד תכנות בשפת C/C++ 25%ועוד מספר עבודות עיוניות במשקל של. 75% -בסוף הקורס יערך מבחן שמשקלו כ. ההצלחה במבחן מהווה תנאי הכרחי למעבר בקורס.


1. Silberschatz A., Korth H. F., Sudarshan S., Database System Concepts,

7th Edition, McGraw-Hill Education, 2011.



1 מבוא למימוש מערכות בסיסי נתונים 1: פרק 1ספר 2 מונחי ייסוד בארגון קבצים 10: פרק 1ספר

-שיטות איחסון ומערכות מערכות דיסקים 10: פרק 1ספר RAID

3

חיפוש -ארגון ועיבוד קבצים לא ממוינים 11: פרק 1ספר סדרתי, חיפוש בינארי, עדכון ודיווח באצווה, מיון ומיזוג קבצים, הקצאת

חוצצים

4

5 ארגון ועיבוד קובץ בסיוע אינדקסים 11: פרק 1ספר

6 ארגון עץ מאוזןB-Trees - 11: פרק 1ספר

ישיר, מיעון –ארגון ועיבוד קובץ אקראי 11: פרק 1ספר מעון לפי טבלה, מעון לפי חישוב ע"י

פונקצית ערבול, טיפול בגלישות, ערבול דינמי, ארגון מחדש של קובץ אקראי.

7

-טיפול בנתונים ע"פ מפתחות משניים 11: פרק 1ספר גישת שרשור, גישת קבצים הפכיים

8

XML 9בסיסי נתונים 23: פרק 1ספר 10 בקרת מקביליות 14: פרק 1ספר 11 מנעולים 15: פרק 1ספר 12 התאוששות 16: פרק 1ספר

13 מערכות קבצים של גוגל לטיפול MapReduceאלגוריתם

במערכות גדולות של קבצים 14

ובינה עסקית מחסני נתונים שם הקורס בעברית:

Data Warehouse and BI שם הקורס באנגלית:




תאור הקורס:ולהכרה גוברת בחשיבותו עקב העלייה ( זוכה לעניין רב Business Intelligenceתחום הבינה העסקית )

המהיר בנפח הנתונים הנאגרים בארגונים, מורכבותם, והצורך לבסס ההחלטות על סמך ניתוחם. הקורס דן בחקר הבינה העסקית ברמות שונות: תיאורטית, ארגונית, ניהולית, יישומית, וטכנולוגית. במהלכו

וגישות מחקריות אופייניות לתחום. בין הנושאים יסקרו עבודות המציגות תיאוריות, מתודולוגיות, ( כפרדיגמה מחקרית. קבלת DSR – Design Science Researchשייסקרו בקורס: מדע העיצוב )

החלטות מונחית נתונים, מתודולוגיות ומודלים לקבלת החלטות מונחית נתונים, למדידת ביצועים ארגונית, וחלופות טכנולוגיות ומתודולוגיות ליישומה. עיצוב BI&A-ולפיתוח מדדי ביצועים. ארכיטקטורת ה

( ETL – Extraction, Transformation, Loadingתשתיות: מחסני נתונים, תהליכי המרה ועדכון ) וניהול איכות נתונים. שימוש בנתונים לצורך ויזואליזציה, בקרה תהליכית, חיזוי, וניתוח ביצועים.


גיה לתכנון והקמת מחסני נתונים. לימוד המתודולו1 . הכרת אופן המימוש של תהליכים עיסקיים נפוצים במחסן נתונים2 מימדי של נתונים -. התנסות בכל תהליכי הקמת מחסן הנתונים וניתוח רב3 . מבוא לניתוח נתונים רב מימדיים4 . הכרת תחום איכות הנתונים והתהליכים הקשורים לו5

תנאי קדם: נתונים בסיסי 37213305


מהשיעורים 80%נוכחות ב קריאת המאמרים הנדרשים לפני כל שיעור, הגשת עבודות במועדן )בזוגות, פרטים יתעדכנו באתר

הקורס( מושגים בהקמת מחסני נתונים ובניתוח מידע רב מימדי לתרגולשונים, בהיקפיםעבודות בית 20% (מעברחובת מבחן ) 80%


1. Kimball R. and Reeves L., The Data Warehouse Toolkit: The Complete Guide

to Dimensional Modeling, 3rd

Edition, John Wiley & Sons, 2013.



במחסני נתונים ביחס לבסיסי מבוא, מה שונה 1פרק - 1ספר נתונים אחרים

1

2 ארכיטקטורה של מחסני נתונים ומרכולי נתונים 2פרק – 1ספר

3 עיצוב רב מימדי של בסיסי נתונים טבלאיים 2פרק – 1ספר

4 מתודולוגייה להקמת מחסן נתונים 18פרק – 1ספר

נתונים בדגש סקירת התהליכים העיקריים במחסני 19פרק – 1ספר ,ETL – Extractionעל תהליכי המרה ועדכון )

Transformation, Loading )

5

שאילתות רב Metadataמידע על הנתונים 20פרק – 1ספר מימדיות

6

הכרת אופן המימוש של תהליכים עיסקיים נפוצים 5, 4, 3פרק – 1ספר במחסן נתונים

7

נתונים, מתודולוגיות קבלת החלטות מונחית מאמרים שוניםומודלים לקבלת החלטות מונחית נתונים, למדידת

ביצועים ארגונית, ולפיתוח מדדי ביצועים

8

שיטות ואלגוריתמים למימוש מנגנונים יעילים מאמרים שונים במחסני נתונים

9-11

12-13 איכות נתונים מאמרים שונים

ניתוח רשתות חברתיות שם הקורס בעברית:

Social Networks Analysis :שם הקורס באנגלית





כלכלה, שווק, בריאות, תקשורת הקורס בוחן רשתות חברתיות והשפעתן על תחומי החברה השונים כגון: . הקורס יעסוק בשלושה R-ו Pythonבשפת ועוד. במסגרת קורס ילמדו כלים לניתוח רשתות חברתיות

תחומים מרכזיים: .תאוריה של רשתות חברתיות ונושאים משיקים

.כלים יישומיים לניתוח רשתות חברתיות

.סקירת מחקרים בתחום של רשתות חברתיות

מטרות הקורס: ברשתות חברתיות. ניתוח נתוניםל ללמוד שיטותמטרת הקורס היא

תנאי קדם:

למידה חישובית 372------ שפות תכנות לניתוח נתונים 372------


הציון: הרכבדרישות הקורס ורשתות במהלך הקורס ידרשו התלמידים לרכוש ידע תאורטי ומיומנויות בשימוש בכלים שונים לניתוח

חברתיות. חלק מהנושאים יכוסו בהרצאות בכתה וחלקם ידרשו לימוד עצמי. הקורס ידרוש: הגשה של תרגילי בית, ביצוע פרויקט של ניתוח רשתות חברתיות ובחינה סופית.

מבנה הציון:

10%תרגילי בית:

10%פרויקט סופי:

80%בחינה סופית:


1. Easley, D. and Kleinberg, J., 2010. Networks, crowds, and markets: Reasoning

about a highly connected world. Cambridge University Press.

2. Mark, N., 2010. Networks: an introduction, Oxford University Press

3. Han, J., Kamber, M., and Pei, J., 2011, Data Mining Concepts and Techniques,

3rd




1 מבוא לניתוח רשתות חברתיות 1פרק - 1ספר

2-3 מאפייני רשתות חברתיות + מרכזיות 7פרק - 2ספר

4 זיהוי קהילות ברשתות חברתיות 3פרק – 1ספר

NetworkX מעבדה- NetworkX 5

6 מודלים לרשתות חברתיות 18פרק – 1ספר

7 תופעת "העולם הקטן" ברשתות חברתיות 20פרק – 1ספר

8 למידת מכונה לניתוח רשתות חברתיות 4+5פרקים – 3ספר

9 שפה לניתוח רשתות חברתיות עיבוד

10 דיפוזיה ברשתות חברתיות 21פרק – 1ספר

11-12 לרשתות חברתיותיישומים

13 סיכום

מבוא לתקשורת נתונים שם הקורס בעברית:

Introduction to data communication שם הקורס באנגלית:





ידע בסיסי בתקשורת נתונים ורשתות מחשבים. ייסקרו מודלים בסיסיים של תקשורת הקורס יציגתפקידי מערכות תקשורת, דוגמאות . בפרט נדון בנושאים הבאים: מחשבים וטכנולוגיות תקשורת

, רשתות LANטופולוגיות רשתות, רשתות תקשורת מקומיות -למערכות תקשורת. רשתות תקשורת . קווי תקשורת, תווכים וממשקים, מודמים. MANתות תקשורת אזוריות ורש WANתקשורת רחבות

חיבור אסינכרוני )דרך מודם(, חיבור לרשת -ארכיטקטורת תקשורת מחשבים. שימוש בתקשורת , קישוריות NOSמקומית, התחברות בין רשתית. תוכנות תקשורת: מערכות הפעלה של רשתות

INTERWORKINGשרת/לקוח. יישומי תקשורת: העברת קבצים, העברת , ארכיטקטורת ופרוטוקולי, מולטימדיה וכו', התפתחויות מודרניות עתידיות ברשתות תקשורת. מטרת הקורס: WWWמסמכים,

הקניית ידע בסיסי בתקשורת נתונים ורשתות מחשבים. ייסקרו מודלים בסיסיים של תקשורת מחשבים שתות קיימות. נושאי הקורס מהווים סקירה של מודל וטכנולוגיות תקשורת ויוצגו שימושי תקשורת ור

. מבוא ראשוני לתקשורת וסקירה היסטורית של עולם 1שבע השכבות מהשכבה התחתונה כלפי מעלה: , אפיון תווכים, תקני ממשק חומרתיים, תקני Nyquist. משפט OSI. 3. מודל השכבות של 2הרשתות. עקרונות של מערכות תקשורת אופייניות, : MAC (DLC+LLC). שכבת ה LAN. 4חיבור של

(: Network layer. שכבת הרשת )6. תיאור פורמלי ואי פורמלי של פרוטוקול תקשורת. 5פרוטוקולים. , Transport-. שכבת ה7, סוגיות בתכנון רשתות ופרוטוקולים. Internet-ושל ה OSIהגישות של . סוגיות חיוניות ברשתות מנקודת 8שק המשתמש. , סוגיות בתכנון וממInternet-ושל ה OSIהגישות של ראות טכנית.


הקניית ידע בסיסי בתקשורת נתונים ורשתות מחשבים. ייסקרו מודלים בסיסיים של תקשורת מחשבים הא מגיעיבאפליקציה ועד שה תנוצרבו ְמנָת המידע רגע הוטכנולוגיות תקשורת. נלמד על כל התהליך מ

.הליעד

תנאי קדם:

"מבוא להסתברות וסטטיסטיקה" 37211021 "מבנה מערכות מחשוב ומערכות הפעלה" ----3721


באופן תלמיד נדרש ללמוד את נושאי הקורס המפורטים להלן על פי ההרצאות בכיתה, להשתתףה, להגיש עבודות בית במועד מהציון הסופי( 5%) פעיל בהרצאות, בתרגולים ובפורום הקורס

על החומר. באמצע הקורס ובסופו ולהבחן מציון הקורס. 20%שמשקלן הכולל (מעבדותחלקן תאוריטיים ו)חלקן עבודות בית 7-8יינתנו כ

)מי שלא מגיש חובה להגיש את כל התרגילים – העבודות תוגשנה בזוגות במועדים שייקבעו. תרגיל ללא אישור נכשל בקורס(.

מהציון הסופי. 15%שמשקלו ייערך בוחן קצרמצע הקורס אב

תנאי הוא בבחינה הסופית ציון עובר .מהציון הסופי 60%סוף הקורס תיערך בחינה שמשקלה ב .למעבר הקורס

,בנוסף לשיעורים יתקיים תרגיל. מטרת התרגיל לסייע בהטמעת החומר הנלמד באמצעות תרגיליםתפורסם בנפרד ע"י תכנית התרגילים ופתרון עבודות הבית. WIRESHARKמעבדות בשימוש כלי

.המתרגל


1. Kurose J. and Ross K., 2016, Computer Networking: A Top-Down Approach,

7th

edition, Pearson.

2. Forouzan B., 2009, TCP-IP Protocol Suite, 4th

edition, Mc-Graw Hill.

:המפגשים תכנית


Kurose and Ross 1.1 --

1.8

-מבוא ראשוני לתקשורת: מבנה האינטרנט וISPs,פרוטוקול, רכיבי רשת ,

circuit-switching packet-

switching, packet loss and delay ומודל .חמש )שבע( השכבות.

1-2

Kurose and Ross 2.1 -- 2.2

(: application layerשכבת האפליקציה ) Web andמבוא, דוגמאות לאפליקציות:

HTTP, ...,

2-3


(: מבוא, transport layerשכבת התעבורה )

. סקירה UDPשירותים בשכבת התעבורה, סקירה מפורטת ARQכללית של פרוטוקולי )כולל בקרות זרימה, TCPוניתוח של פרוטוקול

עומס ושגיאות(.

3-5


(: מבוא, Network layerשכבת הרשת )

,header -, מבנה הIPפרוטוקול

Fragmentation and reassembly, ICMP,

IPv6. IPv4 Addressing. Ethernet.

Addressing ,חלוקה לתתי רשתות , ,NAT ,DHCP

6-8

Kurose and Ross 4.5

,Link Stateמבוא לניתוב, אלגוריתמים)

Distance Vector ופרוטוקולי ניתוב )(RIP,OSPF,BGP) .

9-11

Kurose and Ross 5.1 – 5.7

(: מבוא, פרוטוקולי Link Layerשכבת הקו)

MAC, ARPגישה לערוץ משותף נושאים נוספים לפי הספק: רשתות •

, רשתות סלולריות ) תהליך WiFiאלחוטיות (4האבולוציה עד לדור

12-13

מידע אחזור: שם הקורס בעברית

Information Retrieval :שם הקורס באנגלית




תאור הקורס:העיקריים הקשורים לתחום המתפתח של אחזור מידע ויישומיו התיאורטייםהקורס מקיף את הנושאים

השונים כגון: מנועי חיפוש, מערכות המלצה, ניתוח טקסטים ועוד. הקורס סוקר בקצרה תיאוריות קלאסיות כגון: מודלים של מערכות אחזור מידע, מפתוח, אלגוריתמים של דירוג, הערכת מערכות.

ניות כגון: מנועי חיפוש ומערכות המלצה.הקורס דן גם במערכות אחזור מודר. כמו אחזור ידעבמסגרת הקורס יינתנו הרצאות בנושאים הנ"ל, ייבחנו שיטות וגישות לפיתוח מערכות

יתקיימו תרגילים שבמסגרתם יודגמו פתרונות של בעיות מעשיות. כן,

מטרות הקורס:רבים. להבין ולפתח שיטות לחיפוש מעל להבין את יסודות העבודה עם מאגרי מידע המכילים מסמכים

מקורות מידע גדולים. לפתח מערכת מעל מקור מידע גדול

תנאי קדם: שפות תכנות לניתוח נתונים 372------

אלגוריתמים 37212051 בסיסי נתונים 37213305


תרגילים תיאורטיים. 4במשך הקורס יינתנו

שעליו נערך מבחן הגנה Pythonבשפת ילווה במטלות תכנות שמטרתן לפתח מנוע חיפוש כמו כן, הקורסמטלות התכנות ולהשתתף בהגנה על המנוע, לקבל בהם ציון כלפרונטאלי עם המתרגל. חובה להגיש את

בקורס יתקיים מבחן סופי. עובר כדי לעבור את הקורס. בקורס יתקיים בוחן על חומר קריאה רלוונטי. מבנה הציון: כדי לעבור את הקורס יש לקבל ציון עובר לפחות במבחן.

תרגילים תיאורטיים -%8

מטלות תכנות 22% מבחן -66%

בוחן - 4%

:(בליוגרפיהיברשימת קריאה )

1. Manning C.D., Raghavan P., and Schütze H..,2008, Introduction to Information

Retrieval ,Cambridge University Press. http://nlp.stanford.edu/IR-book/

2. Ricci, F., Rokach, L. and Shapira, B. eds., 2015. Recommender systems

handbook. Berlin, Germany, Springer.



מודל –מודלים של איחזור מידע –מבוא 1,6 פרק: 1ספר ווקטורי

1

2 מודל ווקטורי -המשך 6,2 פרק: 1ספר 3-4 מפתוח וניתוח טקסט כולל 3,4,5 פרק: 1ספר -, וLSIלייצוג טקסט, מודלים מתקדמים 18 פרק: 1ספר

word embedding 5-6

7-8 אחזורהערכת מערכות 8 פרק: 1ספר 9-11 מנועי חיפוש – webאיחזור מידע ב 19,20 פרק: 1ספר 12-13 פרסונליזציה –סינון מידע 1,3,4פרק : 2ספר

מעבדה באיסוף וניהול נתונים שם הקורס בעברית:

Data Collection and Management שם הקורס באנגלית:




תאור הקורס:נפוצים, שיטות לטיוב נתונים, מדדים לאיכות נתונים, מדדים לעדכניות ETLבמסגרת המעבדה נכיר כלי

הנתונים, סוגיות בפרטיות הנתונים, שיטות להעשרת נתונים, שיטות לניהול גרסאות בנתונים, כלים DMP - data management, פלטפורמות לניהול נתונים )IoT, ניהול נתוני Meta-Dataלניהול

platform ות לניהול נתונים בענן.(, טכנולוגי


המעבדה נועדה לחשוף את התלמיד לשיטות וכלים עדכניים המשמשים לאיסוף נתונים, עיבוד נתונים וניהול נתונים.

תנאי קדם:

בסיסי נתונים 37213305 שפות תכנות לניתוח נתונים 372------

מימוש מערכות בסיסי נתונים 37212303 נתונים ובינה עסקית מחסני 37214309


ולהגיש עבודות בית במועד ולהבחן בסוף הקורס על החומר. בכל המעבדות להשתתף התלמיד נדרש

לפני כל מעבדה תתקיים הרצאה בת שעה על ידי מרצה הקורס בה יוצג הנושא

30%בחני המעבדה: בתחילת כל מעבדה יתקיים בוחן על המעבדה הקודמת. משקל סך כל



.הצלחה במבחן היא תנאי למעבר הקורס

:(בבליוגרפיהרשימת קריאה )ומעודכן לכלים אין ספר רשמי לקורס אך הקורס ילווה במדריך למידה שהוכן על ידי מרצה הקורס

.םהעכשוויי


קריאה נדרשת נושא השיעור /מעבדהמס' השיעור

אין קריאת חובה מבוא לקורס 1 אין קריאת חובה ETLכלי 2-3

טיוב נתונים + מדדים לאיכות נתונים + 4-5 מדדים לעדכניות הנתונים

אין קריאת חובה

אין קריאת חובה פרטיות נתונים 6

אין קריאת חובה העשרת נתונים 7

אין קריאת חובה ניהול גרסאות בנתונים 8

אין קריאת חובה Meta-Dataכלים לניהול 9

אין קריאת חובה IoTניהול נתוני 10

DMP - dataפלטפורמות לניהול נתונים ) 11

management platform) אין קריאת חובה

אין קריאת חובה טכנולוגיות לניהול נתונים בענן 12-13

זציה של מידע וויזואלי שם הקורס בעברית:

Information Visualization :שם הקורס באנגלית


ש"ש 3סה"כ: 0 , מעבדה0, תרגיל 3הרצאה: הקורס:מבנה


תאור הקורס:וכלים גרפיים ( עוסק בשיטות Information Visualizationתחום הוויזואליזציה של המידע )

המאפשרים למשתמשים להציג ולנתח ביעילות מידע לתמיכה בהחלטות וגילוי ידע. מטרת הוויזואליזציה היא לחשוף את המבנה הבסיסי של מערכי נתונים גדולים ו/או אבסטרקטיים ולהנגיש אותו לתפיסה

ה והצגה של מידע, לימוד האנושית. מטרות הקורס הן לימוד העקרונות הבסיסיים הקשורים בוויזואליזצימגוון שיטות של וויזואליזציה של מידע, ולימוד כלים שיעזרו לבנות וליישם שיטות ויזואליזציה קיימות

במסגרת הקורס התלמידים יתרגלו כלים ושיטות ויזאוליזציה שונות וחדשות על מגוון סוגי נתונים. .Tableauוכלים ייעודים כגון Python-ו Rבאמצעות שפות


מחשב -( להעמיק ולהרחיב את הידע של הסטודנטים בתחום אינטראקצית אדם1מטרות הקורס הן: ( ליידע את הסטודנטים על גישות ושיטות שונות 2. כלים ושיטות להצגת מידעולהציג בפניהם

למחקר ולעשייה בתחום הקורס.

תנאי קדם: שפות תכנות לניתוח נתונים ----372


חלה חובת הגשה. בנוסף, על 5%בנושא ויזואליזציה שמשקלה עבודהבמהלך הקורס תינתן . הסטודנטים להציג עבודתם בקצרה בשיעור.

5%–סיכום והצגת מאמר.

יוגש ויוצג באחד משני השיעורים האחרונים.20%שמשקלו פרוייקט מסכם , הצלחה במבחן היא תנאי למעבר הקורס.. 70%בסוף הקורס תיערך בחינה שמשקלה

על התלמידים לקרוא את חומר הקריאה הנדרש לכל אחד מהשיעורים : חובת קריאת מאמרים)רשימה תפורסם בנפרד(. ההרצאות בכיתה קשורות אמנם לחומר הקריאה, אך אינן חופפות

את כל חומר המאמרים. הבחינה תורכב הן מהמאמרים והן לחלוטין ובודאי אינן מתימרות לכסות מתכני ההרצאות ועל התלמידים להפגין בקיאות בשניהם. בנוסף, רשימת הקריאות כוללת מאמרי

.רשות, שנועדו להרחבת הידע בנושאי הקורס

מהפגישות לפחות. 75% -נוכחות בשיעורים: חובת נוכחות ב


1. Ward, M. O., Grinstein, G., and Keim, D. A., 2010, Interactive Data

Visualization: Foundations, Techniques, and Application, A. K. Peters,

Ltd.

2. Colin W., 2004, Information Visualization: Perception for Design:

Second Edition, Morgan Kaufmann Publ., San Francisco, CA.

3. Keim D, Kohlhammer J, Ellis G and Mansmann G. (Editors), 2010,

Mastering the Information Age: Solving Problems with Visual

Analytics. Eurographics Association, Goslar, Germany.

4. Hansen, M., Shneiderman, B, and Smith, M. A., 2011, Analyzing

Social Media Networks with NodeXL: Insights from a Connected

World, Morgan Kaufmann Publishers.

5. Aigner W, Miksch W, Schumann H and Tominski C., 2011,

Visualization of Time-Oriented Data, Springer.



מבוא, הגדרות, מטרות, הטקסונומיה של בן 1-3פרקים 1ספר שניידרמן.

SciViz -ו IVהשוואה בין

1

2-3 ושימושם גרפים 5עד 3פרקים – 2ספר

-, רב-, תלת-, דו-שיטות להצגת נתונים חד ממדיים.

4

5 שיטות להצגת נתונים תלויי זמן 3-ו 2פרקים 5ספר

6 הירארכיים, עצים.שיטות להצגת נתונים

שיטות וויזואליזציה להצגת רשתות. מפות 6עד 2פרקים 4ספר חום.

7

אנליזה ויזואלית. המנטרה של שניידרמן 6פרק – 3ספר לויזואליזציה של אינפורמציה מול המנטרה

IVלאנליזה ויזואלית. כיצד KEIMשל מגבירה את הקוגניציה.

8

9 תוניםהיבטים אסתטיים בהצגת נ

10 שיטות להערכת כלים לויזואליזציה של מידע

11 ביצוע מחקרים בתחום ויזואליזציה של מידע

12 שיטות סוניפיקציה

13 הצגת פרויקטים

עצי החלטה וניתוח אשכולות שם הקורס בעברית:

Decision Trees and Cluster Analysis שם הקורס באנגלית:

****3721 מספר הקורס:

ש"ש 4סה"כ: 1 , מעבדה1, תרגיל 2הרצאה: הקורס:מבנה


תאור הקורס:סיווג –משימות מרכזיות של כריית מידע את האלגוריתמים המובילים לשתי במסגרת הקורס נלמד

( וחלוקת נתונים לקבוצות באמצעות ניתוח אשכולות decision treesנתונים באמצעות עצי החלטה )(cluster analysis.)

מטרות הקורס:ללמד את האלגוריתמים המובילים לבניית עצי החלטה וניתוח אשכולות תוך שימוש במאגרי הקורס נועד

.ליםנתונים גדו

תנאי קדם:

אלגוריתמים 37212051 שפות תכנות לניתוח נתונים 372------

למידה חישובית 372------


,התלמיד נדרש ללמוד את נושאי הקורס המפורטים להלן על פי ההרצאות בכיתה וחומר הקריאה



20%-משקל בוחן אמצע סמסטר הוא כ


.הצלחה במבחן היא תנאי למעבר הקורס

:(בבליוגרפיהרשימת קריאה )1. Han, J., Kamber, M., and Pei, J., 2011, Data Mining Concepts and

Techniques, 3rd


2. Breiman, L. et al., 1984. Classification and regression trees. Routledge, CRC

press, 1984.

3. Quinlan, J. Ross, 2014, C4.5: Programs for Machine Learning. Elsevier.

4. Hastie, T., Tibshirani, R., and Friedman, J., 2009, The Elements of Statistical

Learning: Data Mining, Inference, and Prediction, 2nd

Edition, Springer

Verlag.



, מבוא לבניית עצי החלטה 1CART – כללי פיצול וגיזום עצים

8פרק – 1 2,3,4פרקים – 2

2 CART – 8פרק – 2 עצי רגרסיה 3 C4.5 – 3, 2 יםפרק – 3 ערכים חסריםטיפול ב, כללי פיצול

4 C4.5 – 4פרק – 3 גיזום עצים

5 C4.5 – 5פרק – 3 הפקת חוקים מעצי החלטה

Survivalנושאים מתקדמים בעצים: 6-7

Trees, Logistic model tree ועוד אין חומר קריאת

חובה 10פרק – 1 מבוא לניתוח אשכולות 8

14פרק – 4

10פרק – 1 שיטות החלוקה 9 14פרק – 4

10פרק – 1 שיטות היררכיות 10

10פרק – 1 צפיפותשיטות מבוססות 11

11פרק – 1 שיטות הסתברותיות 12 11פרק – 1 ממדי-ניתוח אשכולות במרחב רב 13

14פרק – 4 סיכום וחזרה למבחן 14

הכנה לפרויקטסדנת :שם הקורס בעברית

Project workshop :שם הקורס באנגלית


ש"ש 1, סה"כ: 0, מעבדה 0, תרגיל פעמים בסימסטר( 6) 2הרצאה: הקורס:מבנה


תאור הקורס:מהשלבים. הסטודנטים יבצעו נסביר על תהליך יצירת הפרויקט וכיצד לבצע כל אחדהקורס במהלך

פרויקט בקנה מידה קטן על מנת להדגים כל אחד מהשלבים.

מטרות הקורס:במהלך פרויקט הגמר של שנה ד'.לקראת כלים לעבודה מעשית על פרויקט הנדסי או מחקרי הקניית

הקורס יתנסו הסטודנטים בכל שלבי ביצוע הפרויקט.

תנאי קדם: אין

הציון: הרכבדרישות הקורס ומספר מטלות בהתאם לשלבי ויינתנבמהלך הקורס יממשו הסטודנטים פרויקט )בקנה מידה קטן(.

הפרויקט: הכנת סקירת רקע –סקר ספרות .1 מימוש בקנה מידה קטן של פרויקט תכנותי –מימוש פרויקט .2

תכנון וביצוע )חלקי( של בדיקות לפרויקט .3

הכנת דוח מסכם הכולל את הפרקים הבאים: .4

a. מבוא

b. סקר ספרות

c. הפרויקט רתיאו

d. ניסויים ומסקנות

e. סיכום

הכנת מצגת לסיכום הפרויקט. .5

במהלך הסמסטר על כל סטודנט או זוג סטודנטים להגדיר פרויקט לשנה ד' ולדאוג לאישורו מול מנחי על ןיינתהפרויקט ורכז הפרויקטים. יודגש כי אישור הפרויקט הוא "על תנאי", אישור לביצוע פרויקט

הנדסה לאחר שהסטודנט עמד בכל דרישות הקדם לביצוע פרויקט גמר.מדעי הידי הפקולטה ל .נדרשת נוכחות חובה ביום הפרויקטים

תנאי מעבר:

ציון עובר בכל אחת ממטלות הקורס. ביום הפרויקטים של שנה ד'.בכל מפגשי הקורס ו חובת נוכחות .רויקט למערכת, קבלת אישוראישור פרויקט שנה ד': הגדרת פרויקט, הזנת פ

ציון הקורס יקבע על בסיס כל שלבי הפרויקט שבוצע.

:(בבליוגרפיהרשימת קריאה ) אין



מהו פרויקט? דוגמאות לפרויקטים. תהליך :מבוא הפרויקט

1

כיצד לקרוא מאמר מדעי, כיצד מסכמים סקר ספרות מאמר, כיצד למצוא מאמרים רלוונטיים

2

תכנון ניסויים, הרצת ניסויים :ניסויים ומסקנות והסקת מסקנות

3

4 מבנה הדוח. מצגת: הצגת הפרויקט

על ידי חברי סגל :הצגת פרויקטים לשנה הבאה במחלקה

5

6 יום הפרויקטים

אבטחת מחשבים ורשתות תקשורת שם הקורס בעברית:

Computer and network security שם הקורס באנגלית:


ש"ש 4 :, סה"כ0, מעבדה 1, תרגיל 3הרצאה: הקורס:מבנה



במערכות מרובות משתמשים ובמערכות הקורס כולל את הנושאים הבאים: דרכים להשגת אבטחת מידע מבוזרות; מבוא לקריפטוגרפיה: מפתח סודיות ציבורי, חתימות דיגיטליות; סכמות לזיהוי ווידוי; זיהוי פריצה. מודלים פורמליים לאבטחת מחשבים; מערכות הפעלה מאובטחות; הגנת תוכנה; אבטחת סחר

שיטות לזיהוי קוד י גישור; הערכת סיכונים,פרוטוקולים לתשלום; כסף אלקטרוני; מחשב -אלקטרוני עוין, חומת אש, מערכת לזיהוי התקפות, ופרוטוקולי אבטחה.


באבטחת מידע. ם עיקרייםנושאילחשוף את התלמיד ל

תנאי קדם: מבוא לתקשורת נתונים 37213041

מבנה מערכות מחשוב ומערכות הפעלה 372------

הציון: הרכבדרישות הקורס ו התלמידים נדרשים ללמוד את נושאי הקורס עפ"י ההרצאות בכתה וחומר הקריאה, ולהגיש את

עבודות הבית במועדים שיקבעו לכך.

מתרגילי המעבדה 80%(. התלמידים נדרשים להגיש 8-בקורס יתקיימו מספר מעבדות )כ הקורסעמידה בדרישה זו מהווה תנאי הכרחי למעבר במועדים שיקבעו לכך.

חובת הגשה של כל העבודות( 30% -יינתנו עבודות בית/מחשב שמשקלן הכולל כ( מעבר המבחן מהווה תנאי הכרחי למעבר הקורס, 70%מבחן.


חומר חובה:1. Stallings, W., Brown, L., Bauer, M.D. and Bhattacharjee, A.K.,

2012. Computer security: principles and practice. Pearson Education.



1 מבוא לאבטחת מידע 1, פרק 1ספר 2 מבוא לתורת ההצפנה 2, פרק 1ספר Symmetric Encryption and Message 20-ו 19, פרק 1ספר

Confidentiality, Public-Key Cryptography

and Message Authentication

3

User Authentication, Access Control 4 4-ו 3, פרק 1ספרק User Authentication, Access Control 5 4-ו 3, פרק 1ספר Firewalls and Intrusion Prevention 10-ו 9, פרק 1ספר

Systems, Honeypot

6

Firewalls and Intrusion Prevention 10-ו 9, פרק 1ספר

Systems, Honeypot

7

Malicious Software, Denial of Service 8 7, פרק 1ספר ,Internet Security Protocols and Standards 22-ו 21, פרק 1ספר

Internet Authentication Applications

9

Denial of Service 10 8, פרק 1ספר Firewalls and Intrusion Prevention 10-ו 9, פרק 1ספר

Systems, Trusted Computing and

Multilevel Security

11

Buffer Overflow 12 11, פרק 1ספר Software Security, SQL Injection, XSS 13 12, פרק 1ספר

מדעי הנתוניםאתיקה של שם הקורס בעברית:

Data Science Ethics שם הקורס באנגלית:




הקורס: תיאורהקורס עוסק בניתוח סוגיות אתיות, חברתיות ומוסריות ביישומים של הנדסת נתונים. הקורס יציג את

השאלות האתיות הכרורכת בתחום, כגון חשש לפגיעה בפרטיות, , בהוגנות של אלגוריתמים, באחריות על מחזור התוצאות שלהם, בהיבטים משפטיים נוספים, בבעלות על מידע ועוד. הבעיות ייבחנו בכל

הפעילויות הקשורות לנתונים: איסוף, אחסון, שיתוף ומסחר במאגרי נתונים; בפעילויות עיבוד וניתוח הנתונים, פיתוח אלגוריתמים לקבלת החלטות, למידת מכונה ועוד. בכל אלה נבחן את הסוגיות האתיות

והדרכים המתאימות להתמודדות איתן.

מטרות הקורס:בקורס לחשוף את הסטודנט לאתגרים האתים הכרוכים בעיסוק בניתוח והנדסת נתונים. מטרת הקורס היא

נכיר את הדרישות האתיות,המשפטיות והחברתיות שטכנולוגיות המידע מעוררות. כגון, הוגנות של אלגוריתמים, שאלות על פרטיות, שאלות על מי מוטלת האחריות לפעולות של רכבים אוטונומים למשל?

כיצד לנתח את ילמדו דים מוסריים, בהקשר זה, מי אמור לקבוע אותם? ועוד הסטודנטים האם יש קו, יכירו את הרגולציה הקיימת האתגרים וכיצד לנהוג בצורה אתית בהקשר של מדעי הנתונים המודרנים

. והמתהווה.

תנאי קדם: מבוא להנדסת נתונים 372------

מבוא להסתברות וסטטיסטיקה 37211021

הציון: הרכבדרישות הקורס וקט כמו כן הקורס יכלול פרוימקרה בוחן לכל בעיה אתית שתידון בכיתה. לסכם ולהציג יםעל הסטודנט

גמר שבו יציג הסטודנט שאלה מחקרית וינסה לענות עליה בעזרת הכלים שניקנו בקורס. פירוט הציון להלן:

10% מקרי בוחן• .25%פרוייקט • .65%מבחן • :(בבליוגרפיהשימת קריאה )ר

Ed. Boston, MA: Pearson. th

.7Ethics for the information age Quinn, M., 2016.

מאמרים כמפורט בהמשך.



השיעור

Crawford, Kate. (2013, April 1) The hidden biases

in big data. Harvard Business Review.

https://hbr.org/2013/04/the-hidden-biases-in-big-

data Lerman, Jonas. (2013, September) Big data

and its exclusions. Stanford Law Review.

Accessed online:

https://www.stanfordlawreview.org/online/privacy-

and-big-data-big-data-and-its-exclusions

Mason (1986) “Four Ethical Issues of the

Information Age” MIS Quarterly 10: 5-12

http://www.jstor.org/stable/248873

,לאתיקה מבוא

הסטוריה, הסכמה , מהי אתיקה –מדעת

אתגרי אתיקה בניתוח נתונים

1

בספר 4פרק

Nunan, Daniel and Yenicioglu, B. (2013)

Informed, uninformed and participative consent in

social media research. International Journal of

Market Research 55 (6), pp. 791-808. ISSN 1470-

7853.

“Apple’s differential privacy is about collecting

your data – but not your data” Wired Magezine

-https://www.wired.com/2016/06/apples

data/-collecting-privacy-differential

למי –בעלות על מידע שייך המידע, מה

המשמעות של בעלות על מידע

2

בספר + 5פרק L. Xu, C. Jiang, Y. Chen, J. Wang and Y. Ren, "A

Framework for Categorizing and Applying

Privacy-Preservation Techniques in Big Data

Mining," in Computer, vol. 49, no. 2, pp. 54-62,

Feb. 2016.

doi: 10.1109/MC.2016.43

R. Mendes and J. P. Vilela, "Privacy-Preserving

Data Mining: Methods, Metrics, and

Applications," in IEEE Access, vol. 5, pp. 10562-

10582, 2017.

doi: 10.1109/ACCESS.2017.2706947

3 פרטיות

Privacy, Anonymity, and Big Data in the Social

Sciences By Jon P. Daries, Justin Reich, Jim

Waldo, Elise M. Young, Jonathan Whittinghill,

Andrew Dean Ho, Daniel Thomas Seaton, Isaac

Chuang

4 אנונימיות

https://www.stanfordlawreview.org/online/privacy-and-big-data-big-data-and-its-exclusions

https://www.stanfordlawreview.org/online/privacy-and-big-data-big-data-and-its-exclusions

http://www.jstor.org/stable/248873

https://www.wired.com/2016/06/apples-differential-privacy-collecting-data/

https://www.wired.com/2016/06/apples-differential-privacy-collecting-data/

Communications of the ACM, Vol. 57 No. 9,

Pages 56-63

Dwork, C. Differential privacy. Automata,

languages and programming. Springer Berlin

12.–Heidelberg, 2006, 1

Lerman (2013) “Big data and its exclusions” Stanford Law Review 55:55-63

Hardt (2014) “How big data is unfair:

understanding unintended sources of unfairness in

data driven decision making” https://medium.com/@mrtz/how-big-data-is-

unfair-9aa544d739de

הוגנות של אלגוריתמים

5

Michael K, Miller KW. Big data: New

opportunities and new challenges [guest editors'

introduction]. Computer. 2013 Jun;46(6):22-4.

Kitchin, R., 2014. The data revolution: Big data,

open data, data infrastructures and their

consequences. Sage.

השלכות חברתיותוכלכליות של למידת

מכונה ואוטומציה של ניתוח נתונים

6-7

Tiidenberg, and Markham, Annette N., Katrin

Andrew Herman. "Ethics as Methods: Doing

—Ethics in the Era of Big Data Research

4.3 (2018): Social Media+ Society Introduction."

2056305118784502.

Ienca, Marcello, et al. "Considerations for ethics

scoping review of big data health research: A

13.10 (2018): e0204937. PloS one review."

םעדכני יםמחקר באתיקה של נתונים

8-9

Floridi, Luciano. "Soft Ethics and the Governance

of the Digital." Philosophy & Technology 31.1

(2018): 1-8.

רגולציות בתחום של פרטיות מידע.

10

הצגת פרויקטים של תלמידים

11-13

https://medium.com/@mrtz/how-big-data-is-unfair-9aa544d739de

https://medium.com/@mrtz/how-big-data-is-unfair-9aa544d739de

1פרויקט מסכם שם הקורס בעברית:

Senior Project 1 שם הקורס באנגלית:


מבנה הקורס:

ש"ש 2, בממוצע ותשע 4פגישות בנות שש

נקודות זכות:3.0


במקריםהפרויקט המסכם עוסק בבניית מערכת הנדסית )בד"כ עתירת תוכנה, ולעיתים כוללת חומרה(. שעות עבודה על פני שני סמסטרים.פגישות סמינר להצגת 400-היקף הפרויקט החזוי כ מסוימים

. פרויקט יבוצע במגוון נושאים בהתאם לנושאי ההתמחות של המנחים מסכםה ההתקדמות בפרויקטהשונים. רשימת הנושאים האפשריים כוללת אבטחת מידע, אחזור וסינון מידע, כריית נתונים, מחסני

נתונים, מערכות המלצה, מנשקים חכמים, מערכת תומכת החלטות וכו'. ניתן לבצע פרויקט בשיתוף עם . בחירת נושא 1טה בכפוף לנוהלי המחלקה. הקורס כולל שלושה שלבים: שלב ארגון מחוץ לאוניברסי

הגדרת הבעיה + סקר ספרות. על כל צוות - 2הפרויקט, הגשה של הצעת הפרויקט ואישורה. שלב כתיבת דו"ח התקדמות, הגשת - 3פרויקט להגיש דו"ח כתוב למנחה האקדמי ולהציגו בסמינר. שלב

גתו בסמינר.הדו"ח למנחה האקדמי והצ

מטרות הקורס:של מהנדס ותיק מהתעשייה או חבר סגל בהנחיה מקצועילהתנסות בעבודתו של מהנדס –מטרת הפרויקט

אקדמי., להנחות את הסטודנטים ולתרגל אותם בהצגה נאותה הפרויקטמטרת הסמינר היא לעקוב אחר התקדמות

המסכם; הפרויקטשל עבודתם; לסייע לסטודנטים במידת האפשר בהיבטים אקדמיים ומקצועיים של שונים; ולסייע למחלקה להעריך את ביצועיהם פרויקטיםלאפשר הפריה הדדית בין סטודנטים המבצעים

תנאי קדם:

י החובה של שנה ג' נק"ז וסיום כל קורס 120צבירת


משקל הפרוייקט מנחה הסמינר מנחה הפרוייקט סמסטר בתכנית הלימודים

נק"ז 2 15% 85% א' חובת נוכחות של הסטודנט בכל הפגישות, הצגת עבודתו בפגישות, הגשת דוחות כתובים במועדם


אין

המפגשים:תכנית

נושא מפגש מתן הנחיות כלליות לגבי ביצוע הפרויקטים )כולל שמירה על זכויות יוצרים, סקר 1

ספרות והכנת מצגות(, הצגת נושאי הפרויקטים ע"י הסטודנטים הצגת סקר הספרות ע"י הסטודנטים 2-4 הצגת התקדמות הפרויקט ע"י הסטודנטים 5-7

למידה עמוקה שם הקורס בעברית:

Deep learning שם הקורס באנגלית:

חדש: מספר הקורס



תאור הקורס: טקסט עמוקה רשמו הישגים משמעותיים בתחומים מגוונים כגון זיהוי תמונה, ניתוח אלגוריתמי למידה

נפתח הסקירה של ורובוטיקה. הקורס יספק סקירה של התחומים והמגמות בתחום הלמידה העמוקה כיום.הבסיס התיאורטי עליו ניצב התחום ולאחר מכן נסקור את סוגי הרשתות השונים הקיימים כיום ואת התאמתן למשימות השונות. נדון גם בסוגיות שונות הקשורות לשימוש באלגוריתמים אלה לבעיות "עולם

תלמידים יתבקשו לממש אמיתי" ונלמד לעומק דוגמאות של יישומים בתחומים שונים. במהלך הקורס ה .PyTorch-ו TensorFlow-את התרגילים בשפת פייתון בפרט ב

במעבדה זו נתמקד בשיטות מעשיות לתכנון בנוסף, מתקיימת מעבדה מעשית להקניית ידע מעשי בתחום.

וביצוע של מחקר, אימון והטמעה של אלגוריתמים ללמידה עמוקה המעבדה תקנה לסטודנטים כלים בעיות בתחומי ניתוח תמונה, מודלים ללמידה עמוקה לפתרון נון, בניה, אימון והערכה של מעשיים לתכ

במסגרת המעבדה אנו נתמודד עם תחרויות שפורסמו ניתוח טקסט, ניתוח נתונים טבלאיים ובעיות נוספות. .Deep Learningואשר דרשו שימוש בשיטות Kaggleבאתר


מעשי בתחום הלמידה העמוקה לשימושים שונים כולל הרצה של התרגילים הקניית ידע תאורטי ו (.GPUבפלטפורמות מתקדמות )גם

תנאי קדם: שפות תכנות לניתוח נתונים 372------ למידה חישובית 372------ מבנה מערכות מחשוב ומערכות הפעלה 372------


מבנה בקורס. לקבלת ציון עוברסיום. נדרש ציון עובר בבחינה ופרויקטהקורס יכלול שתי מטלות, מבחן (30%) תרגילים מעבדה( 50%(, מבחן )20%סיום ) הציון: פרויקט


1. Goodfellow, I., Bengio, Y., Courville, A. and Bengio, Y., 2016. Deep learning

(Vol. 1). Cambridge: MIT press.

2. Kindratenko, V. ed., 2014. Numerical computations with GPUs. Springer.

:להרצאות תכנית המפגשים


1 מבוא 2-4פרקים : 1ספר GPU Hardware and Parallel : 2ספר

Communication, GPU Programming

Model, Cuda Kernels, Threads,

Numerical Computations with GPUs

2

Deep feedforward networks 3 6פרק : 1ספר

Regularization and optimization 7+8פרק : 1ספר

measures

4-5

Convolutional neural networks 6 9פרק : 1ספר

;Convolutional neural networks 10+פרק 9פרק : 1ספר

Recurrent neural networks

7-8

Recurrent neural networks 9 10פרק : 1ספר

Autoencoders 10 14פרק : 1ספר

Deep reinforcement learning 11-12 מאמרים נבחרים Representation learning 13 15פרק : 1ספר

תכנית המפגשים למעבדה מעשית:

מס' מעבדה נושא המעבדה חומרי עזרNumba Documentation:

https://nyu-cds.github.io/python-

numba/05-cuda/

PyCuda Documentation:

https://documen.tician.de/pycuda/

Accelerated Computing with

CUDA Python

Use Numba and PyCuda to

compile CUDA kernels from

NumPy

Apply key GPU memory

management techniques

1-2

https://www.kaggle.com/c/dogs-vs-

cats TensorFlow library and PyTorch

MNIST example

From MLP to Conv Nets

Binary classification of images

3

Cifar 100 from:

https://www.cs.toronto.edu/~kriz/cifar.

html /

Dog-breed competition:

https://www.kaggle.com/c/dog-breed-

identification

Multi class classification of

images

The imagenet challenge

VGG (16/19)

Advanced architectures for

image classification

Inception

Wide resnet

ResNeXt

Inception v3,v4

4

https://www.kaggle.com/c/planet-

understanding-the-amazon-from-space Transfer learning

DL pretrained net as feature

extractor

5

https://nyu-cds.github.io/python-numba/05-cuda/

https://nyu-cds.github.io/python-numba/05-cuda/

https://www.kaggle.com/c/dogs-vs-cats

https://www.kaggle.com/c/dogs-vs-cats

https://www.cs.toronto.edu/~kriz/cifar.html

https://www.cs.toronto.edu/~kriz/cifar.html

https://www.kaggle.com/c/dog-breed-identification

https://www.kaggle.com/c/dog-breed-identification

https://www.kaggle.com/c/planet-understanding-the-amazon-from-space

https://www.kaggle.com/c/planet-understanding-the-amazon-from-space

Multi label problems

Writing networks with skip

connections

What should we optimize?

Validation strategies – how

to evaluate our models?

Why isn’t my model

converging?

Unbalanced data

6

https://www.kaggle.com/c/rossmann-

store-sales/

https://www.kaggle.com/c/web-traffic-

time-series-forecasting /

https://www.kaggle.com/c/dmbi-18-

metro

deep learning for structured data

LSTMs GRUs for time series forecasting

category embeddings - sales prediction

example

7

Pre-trained word vectors:

https://nlp.stanford.edu/projects/glove/

Commonly used word embedding

Text pre-processing to use in DL

Spacy package overview

Sentiment analysis

8

Corpus of Contemporary American

English: https://corpus.byu.edu/coca/

Text generation using RNNs

Seq2seq modeling for

translation

9

Subset of google open images v4:

https://storage.googleapis.com/openim

ages/web/index.html

Object detection

RCNN-fast-faster

SSD

10

Auto encoders

Compression using AE

Anomaly detection using AE

Denoising auto encoders

Variational auto encoders

11

Fully convolutional nets 12

Image segmentation

Unet

Mask RCNN

13

https://www.kaggle.com/c/rossmann-store-sales

https://www.kaggle.com/c/rossmann-store-sales

https://www.kaggle.com/c/web-traffic-time-series-forecasting

https://www.kaggle.com/c/web-traffic-time-series-forecasting

https://www.kaggle.com/c/dmbi-18-metro

https://www.kaggle.com/c/dmbi-18-metro

https://nlp.stanford.edu/projects/glove/

https://corpus.byu.edu/coca/

https://storage.googleapis.com/openimages/web/index.html

https://storage.googleapis.com/openimages/web/index.html

בתעשייה big data-מדעי הנתונים ו שם הקורס בעברית:

Data Sceince & Big Data in the Indestruy שם הקורס באנגלית:




תאור הקורס:ויציג בפני הסטודנטים טכנולוגיות אחרונות בתחום בתעשייהמבוצע מדע הנתונים כיצד הקורס יעסוק

(Cutting edge technology ו-Bleeding edge technology .) הקורס ידגים כיצד עובד מדען נתוניםיישומי על ידי בחינה של אירועי תעשייה -עקרונות חשובים של מדע הנתונים עם דגש תעשייתי ויציג

פרויקטים בתחום מדעי "מחזור החיים" של -רס נציג את המתודולוגיה ובמסגרת הקו אמתיים ופתרונם. הנתונים. כמו כן במסגרת הקורס הסטודנטים יתרגלו את הטכנולוגיות העכשווית במעבדה.

מטרות הקורס: ללמד את הסטודנט הלכה למעשה כיצד מתנהלים פרויקטים בתחום מדעי הנתונים בתעשייה

תנאי קדם:

למידה חישובית 372------ שפות תכנות לניתוח נתונים 372------

הציון: הרכבדרישות הקורס ותרגילי המעבדה והכנת מאמריםקריאה של ובמעבדות, הלימוד בקורס מבוסס על השתתפות בהרצאות

. והתרגיל המסכם 40$בחנים במעבדה: 4 מהציון. 35%מציון הקורס. תרגיל מסכם 25% תרגילי המעבדהמשקל


אין ספר רשמי לקורס. אך השיעורים ילוו במאמרים והמעבדות במדריכים למשתמש של הטכנולוגיות המתאימות



Óscar Marbán, Gonzalo Mariscal and Javier Segovia (2009); A Data Mining & Knowledge Discovery Process Model. In Data Mining and Knowledge Discovery in Real Life Applications, Book edited by: Julio Ponce and Adem Karahoca, ISBN

מבוא, הצגת המתודולוגיה CRISP DM

1

978-3-902613-53-0, pp. 438–453, February 2009, I-Tech, Vienna, Austria

Lukasz Kurgan and Petr Musilek (2006); A survey of Knowledge Discovery and Data Mining process models. The Knowledge Engineering Review. Volume 21 Issue 1, March 2006, pp 1–24, Cambridge University Press, New York, NY, USA doi: 10.1017/S0269888906000737

מחזור החיים של פרויקט בתחום הנדסת הנתונים

2

Azevedo, A. and Santos, M. F. (2008); KDD, SEMMA and CRISP-DM: a parallel overview. In Proceedings of the IADIS European Conference on Data Mining 2008, pp 182–185.

SEMMA 3מתודולוגיה

KDD 4מתודולוגיה A. Guazzelli, M. Zeller, W. Chen, and G. Williams. PMML: An Open Standard for Sharing Models. The R Journal, Volume 1/1, May 2009. The management and mining of multiple predictive models using the predictive modeling markup language". ResearchGate. doi:10.1016/S0950-5849(99)00022-1. Retrieved 2015-12-21.

PMML 5סטנדרט

Olson RS, Sipper M, La Cava W, Tartarone S, Vitale S, Fu W, Holmes JH, Moore JH. A System for Accessible Artificial Intelligence. arXiv preprint arXiv:1705.00594. 2017 May 1.

שיטות לאוטומציה של התהליךAutoML

6

הצגת מקרה בוחן ראשון בתחום הסחר האלקטרוני

7

הצגת מקרה בוחן שני בתחום הביטוח והאקטואריה

8

הצגת מקרה בוחן שלישי בתחום ניהול כוח אדם

9

הצגת מקרה בוחן רביעי בתחום זיהוי רמאות

10

הצגת מקרה בוחן חמישי בתחום וחיזוי תקלות זיהוי תקלות

בתהליכי ייצור

11

הצגת מקרה בוחן שישי בתחום האבחנה הרפואית

12

13 סיכום וחזרה

ניתוח וקבלת החלטות שם הקורס בעברית:

Decision Analysis and Decision Making שם הקורס באנגלית:


ש"ש 3: סה"כ ,0, מעבדה 0 , תרגיל3הרצאה: מבנה הקורס:

3 :נקודות זכות

: תאור הקורס

בקורס נסקרים מספר מודלים בתהליכי קבלת החלטות, הן נורמטיביים )אובייקטיביים( והן תיאוריים )סובייקטיביים(, תוך שימת דגש מיוחד על היבטים הנוגעים למערכות מידע. מצד אחד, נבדוק מודלים

כגון אלו אובייקטיביים לקבלת החלטה בתנאי אי ודאות, אשר מתאימים במיוחד למערכות אוטומטיות, המבוססים על תורת המשחקים של פון נוימן ותורת ההסתברות והרחבותיהן; נלמד על עצי החלטה,

תרשימי מרקוב, רשתות הסתברות ביסיאניות, ותרשימי השפעה; פונקציות תועלת וגישות שונות, ידניות שני, וכללי; ואוטומטיות, לרכישת פונקציות אלו; תרשימי טורנדו וניתוחי רגישות מסדר ראשון,

האנטרופיה של המידע; ונתמקד בניתוח פורמלי של ערך המידע לקבלת החלטות. מצד שני, נסקור מודלים סובייקטיביים לשפוט וקבלת החלטות, אשר מתאימים יותר לתיאור דרכים אנושיות לקבלת החלטות,

יות בתהליכי קבלת ואשר מאפיינים במיוחד את משתמשי מערכות המידע. למשל, נלמד על נטיות ופנהחלטות על ידי מקבלי החלטה אנושיים; שגיאות נפוצות בהערכות אנושיות, הן בתהליך רכישת והערכת

המידע עצמו והן בשימושו לצורך קבלת החלטה; בעיית המסגור; ומודלים אלטרנטיביים, תיאוריים, לקבלת החלטה, כגון תורת הסבר של טברסקי וכהנמן.


הצגת המודלים המובילים לצורך קבלת החלטות נורמטיבית בתנאי אי ודאות, תוך התבססות על הסתברות, תועלת, ותורת המשחקים; וסקירת המודלים המובילים בפסיכולוגיה קוגניטיבית ובכלכלה

, לצורך פיתוח מודלים תיאוריים של קבלת החלטות. הקניית ידע התנהגותית, בפרט של טברסקי וכהנמן בשימוש במודלים לצורך קבלת החלטה נורמטיבית או לצורך הבנה וחיזוי של שיפוט והחלטה אנושיים.

תנאי קדם:

מבוא להסתברות וסטטיסטיקה

הקורס והרכב הציון דרישותהלימוד מתבסס על שמיעת ההרצאות בכיתה, קריאת פרקי קריאת החובה בספרים וקריאת כל .1

מאמרי החובה שיוצגו בדף הקורס, קריאה והבנת השקפים שבאתר האינטרנט, והגשת עבודות בית.

מיישמות ומתרגלות את הנלמד בכיתה )משקל: במהלך הקורס יינתנו עד שש עבודות בית אשר .2 .מהציון( 30%

ן שהתלמידים יישאלו גם שאלות אינטראקטיביות במהלך ההרצאות.יתכ .3

על מנת להבין את שיטות המחקר באינטרנט סובייקטיביהתלמידים ימלאו בעצמם שאלון עמדות .4 של הקורס.

מהציון. 70%בסוף הקורס תיערך בחינה על כל חומר ההרצאות וחומר הקריאה. משקל הבחינה .5

.הקורס מעבר הבחינה הינו תנאי למעבר .6

קריאה:רשימת

1. Peterson, M., 2017. An introduction to decision theory. 2nd

edition,

Cambridge University Press.

2. Karlin, A.R. and Peres, Y., 2017. Game theory, alive (Vol. 101).

American Mathematical Soc..

3. Gilovitch T., Griffin, D., and Kahneman, D., 2002, Heuristics and

Biases: The psychology of intuitive judgment. Cambridge, U.K.:

Cambridge University Press.

4. Hillier, F. S., and Lieberman, G. J., 2014, Introduction to Operation

Research, 10th, 2014.

תוכנית המפגשים:


השיעור

1 מבוא 2-ו 1: פרק 1ספר

16: פרק 4ספר 2: פרק 2, ספר 3: פרק 1ספר

Utility theory; von-Neumann and

Morgenstern Game Theory; Preference

Probabilities and Certain Equivalents

2

4: פרק 1ספר Utility functions; risk analysis and risk

attitudes; elicitation of utility functions.

3

: פרק 4, ספר 5: פרק 1ספר 16

Decision Analysis using decision trees;

Clairvoyance and Wizard models for the

Value of Information. The value of partial

information; Sensitivity analysis of first and

higher orders; Tornado Diagrams.

4

,Diagnostic models: Sensitivity, Specificity אין קריאת חובה

Predictive Values; ROC curves; Bayesian

models; de Dombal’s program; Introduction

to Belief Networks and Influence Diagrams

5

Computing with Influence Diagrams; The אין קריאת חובה

PathFinder I and PathFinder II projects

6

2-4פרק – 3ספר Heuristics and Biases in Decision Making 7

;Prospect Theory; Mental Accounts; Framing אין קריאת חובה

Endowment Effects, Loss Aversion; Sunk

Cost and other behavioral traps

8

;Group Decision Making: GroupThink אין קריאת חובה

Polarization Shift; Conformism; Obedience;

Advantages and Disadvantages of groups; the

Arrow Impossibility (Social Choice) Theorem

9

:Fallacies in human probability judgement אין קריאת חובה

The Conjunction Fallacy and related issues;

The Hot Hand Fallacy; Neurophysiological

considerations

10

Forecasting and Calibration; the אין קריאת חובה

Overconfidence Problem

11

Summary: Decision analysis; behavioral אין קריאת חובה

anomalies; behavioral traps; normative versus

descriptive decision making;

Nudging and other options for avoiding biases

12-13

and behavioral traps.

ניתוח סדרות עתיות וכריית תזרימי נתונים :שם הקורס בעברית

Time Series Analysis and Data Stream Mining שם הקורס באנגלית:




תאור הקורס:הנתונים הקיימים בזמן ,האתגרים החבויים בהם, והצרכים בתחומים שונים. הקורס ידון במגוון סוגי

הקורס יסקור מספר אלגוריתמים ושיטות מובילות מסטטיסטיקה, כריית מידע ועיבוד אותות, הכוללות מידול וחיזוי באמצעות רגרסיה של נתונים מרובי משתנים בזמן, חיפוש ואחזור במשתנה יחיד, סיווג

ו ריבוי משתנים, גילוי תבניות רצפים שכיחות ושימוש שלהן לגילוי ידע, סווג וחיזוי. נדון במשתנה יחיד א באתגרים השונים והתכונות הנדרשות משיטות על מנת להתאימן כראוי.

חלקו הראשון של הקורס מוקדש לניתוח סדרות עתיות וכולל את הנושאים הבאים: ייצוג של סדרות

קורלציה, עונתיות ומגמתיות, חיזוי סדרות עתיות באמצעות מודלים -, אוטויציבות-עתיות יציבות ובלתי(, ניתוח בתחום התדר. החלק השני של הקורס multivariate, סדרות עתיות מרובות )ARIMAשל

מציג מספר נושאים בתחום של כריית תזרימי נתונים כגון מקורות של תזרימי נתונים, זיהוי שינויים, -spatio(, כריית נתונים תלויי זמן ומרחב )evolvingכולות בתזרימי נתונים מתפתחים )סיווג וניתוח אש

temporal data.)

מטרות הקורס:מטרת הקורס היא להקנות ידע בניתוח נתונים בזמן, הכוללים חיזוי, גילוי תבניות שכיחות, סיווג

במשתנים יחדים או ריבוי משתנים ועוד.

תנאי קדם: למידה חישובית 372------ שפות תכנות לניתוח נתונים 372------


25%: תרגילי בית

15%בוחן : 60%: מבחן סופי


1. Mitsa T., 2010, Temporal Data Mining, Chapman & Hall/CRC Data Mining

and Knowledge Discovery Series.



1פרק – 1ספר

סוגים שונים של נתונים בזמן, –מבוא תחומים בהם הם שכיחים ואנליטיקה

הכרחית, אתגרים ובעיות באנליטיקה של נתונים בזמן.

1

4פרק – 1ספר 2 חיזוי ומידול סדרות עתיות –חיזוי

4פרק – 1ספר חיזוי ומידול סדרות עתיות –חיזוי (ARIMA)

3

2פרק – 1ספר 4 חיפוש, דמיון ואחזור בסדרות עתיות

3פרק – 1ספר 5 סיווג סדרות עתיות במשתנה אחד

3פרק – 1ספר 6 סיווג סדרות עתיות מרובות משתנים

5פרק – 1ספר גילוי תבניות –גילוי ידע בנתונים בזמן אירועיםשכיחות של רצפי

7

8 אנליטיקה של משכי זמן אין קריאת חובהשימוש בהפשטה לתמצות נתונים בזמן אין קריאת חובה

מרובי ייצוגים

9

סיווג נתונים מרובי משתנים וייצוג בזמן אין קריאת חובה באמצעות הפשטה ואנליטיקה של משכי זמן

10

לסווג ולמידה עמוקה מן גילוי פרדיקטורים אין קריאת חובה

11

12 נושאים מתקדמים בניתוח סדרות עתיות אין קריאת חובה 13 סיכום וחזרה

טבעית שפה עיבוד שם הקורס בעברית:

Natural Language Processing שם הקורס באנגלית:





על שפת אנוש של אוטומטי לעיבוד חישוביות גישות ומציע הבוחן מחקר תחום הוא טבעית שפה עיבוד

לפתרון אותם שישמשו פרקטיים וכלים תאורטית הבנה לתלמידים לתת היא הקורס מטרת .מחשב ידי שגיאות תיקון ,ספאם סינון :שפה בעיבוד יישומי למחקר דוגמאות .טבעית שפה בעיבוד בעיות

חבילות לניתוח שפה . במסגרת קורס ילמדו התלמידים , ניתוח סנטימנט, תרגום מכונה ועודדקדוק/כתיב (Gensim -ו NLTK)בפרט, Python-טבעית ב


כמו מכונה למידת של באלגוריתמים ,בבלשנות בסיסיים מושגים עם היכרות לסטודנט יקנה הקורס

יישומית אוריינטציה לקורס. לפתרונן שונות חישוביות וגישות ספציפיות מחקר בעיות עם היכרות גם

בקנה מידה גדול. במסגרת הקורס טקסט נתונים עיבוד הדורשות עבודות להגיש יידרשו והסטודנטיםהסטודנטים את יכירו הקורס שפה. במהלך לעיבוד ואלגוריתמים כלים מגווןילמדו ויתנסו הסטודנטים ב

ידעו. בסיום הקורס הסטודנטים סמנטי ניתוח עד, תחבירי, ומורפולוגי מניתוח החל( pipeline) צנרתכל ה

תרגום, מסמכים סיווג, משמעות ריבוי הבנת, תחבירי ניתוח כמו שונות למשימות מערך אלגוריתמי לתכנן

.חברתיות ברשתות עניין זיהוי קבוצות או אוטומטי

תנאי קדם: למידה חישובית 372------ שפות תכנות לניתוח נתונים 372------

אחזור מידע 37214406


חובת מעבר קיימת - 60% וכן מבחן סופי שמשקלו 40%תרגילים שמשקלן הכולל הוא: 4הקורס יכלול במבחן כדי לקבל ציון עובר בקורס


1. Manning C. D., Schütze H., Foundations of Statistical Natural Language

Processing, MIT Press 1999.

2. Deng, L. and Liu, Y. eds., 2018. Deep Learning in Natural Language

Processing. Springer.

3. Jurafsky, D. and Martin, J.H., 2014. Speech and language processing (Vol. 3).

London: Pearson.

4. Goldberg, Y., 2017. Neural network methods for natural language processing.

Synthesis Lectures on Human Language Technologies, 10(1), pp.1-309.



מבוא לעיבוד שפה טבעית. תחביר )סינטקס(, 1פרק – 1ספר סמנטיקה ופרגמטיקה: למה זה מעניין, למה

זה חשוב ולמה זה קשה )חישובית, אלגוריתמית(; דוגמאות לאפליקציות קיימות

ולאתגרים פתוחים; סקירה כללית של הנושאים בקורס

1

4פרק – 1ספר 2פרק – 3ספר

מבנה השפה )תווים, מילים, מורפמות, משפטים,...(, הבעיה במילונים ורשימות

מילים, מודלים בסיסיים של שפה )שרשראות (, n-grams, bag of wordsמרקוביות ,

ודוגמאות לשימוש בהם: תיקון שגיאות כתיב וסינון ספאם;

2

היכרות עם פייתון וחבילות התוכנה Gensim-ו ,nltkהרלוונטיות:

3

6, 5פרקים – 1ספר 4פרק – 3ספר

4 צירופי מלים

5 (WSDזיהוי משמעות של מלה ) 7פרק – 1ספר

6 מסמכים. וסיווג וקטורים במרחבים ייצוג 15פרק – 3ספר

שפה. עיבוד אלגוריתמי של ביצועים הערכת וחיצונית פנימית הערכה

Perplexity, precision, recall, F-score, accuracy

7

בעיבוד שפה, קיבוץ מפוקחת לא למידה 14פרק – 1ספר מסמכים לפי נושאים. בפרט אלגוריתם

LDA

8

10, 3פרקים – 1ספר 10פרק – 3ספר

part of speech tagging דיבור חלקי תיוג (HMM)חבויים מרקוביים מודלים

-קדימה אלגוריתם ,ויטרבי של האלגוריתם

פרמטרים. ושיערוך אחורה

9

IE - Informationחילוץ אינפורמציה 21פרק – 3ספר

Extraction כבעיית תיוג רצפים: אלגוריתםMEMM – Maximal לזיהוי ישויות

ויחסים

10

16פרק – 3ספר 6עד 2פרקים – 4ספר

:Distributional Semantics אלגברה

wordוקטוריים ייצוגים של וסמנטיקה

embeddings למידה עמוקה עבורNLP

11

משמעות וריבוי גזירה עצי ,תחביר 4-5פרקים – 2ספר למבנה גזירה עצי ללימוד ואלגוריתמים

PCFG dependency parsing .המשפט

constituency parsingלעומת

12

13 תמצות אוטמטי 26פרק – 3ספר

2פרויקט מסכם שם הקורס בעברית:

Senior Project 2 שם הקורס באנגלית:


מבנה הקורס:

ש"ש 2, בממוצע שעות 4 פגישות בנות שש

נקודות זכות:5.0


במקריםהפרויקט המסכם עוסק בבניית מערכת הנדסית )בד"כ עתירת תוכנה, ולעיתים כוללת חומרה(. שעות עבודה על פני שני סמסטרים.פגישות סמינר להצגת 400-היקף הפרויקט החזוי כ מסוימים

. פרויקט יבוצע במגוון נושאים בהתאם לנושאי ההתמחות של המנחים מסכםה ההתקדמות בפרויקטהשונים. רשימת הנושאים האפשריים כוללת אבטחת מידע, אחזור וסינון מידע, כריית נתונים, מחסני

נתונים, מערכות המלצה, מנשקים חכמים, מערכת תומכת החלטות וכו'. ניתן לבצע פרויקט בשיתוף עם - 1שלושה שלבים: שלב חלקו השני של הפרויקט טה בכפוף לנוהלי המחלקה. ארגון מחוץ לאוניברסי

הפרויקט הצגת - 2 שלב" 1 מסכם פרויקט/סמינר" בקורס שאושרה ההצעה י"עפ הפרויקט ביצוע סיום הגשתו למנחה האקדמי.ו מסכם ח"דו כתיבת - 3 שלב. המחלקה של הפרויקטים בכנס

מטרות הקורס:להתנסות בעבודתו של מהנדס –מטרת הפרויקט ". 1להשלים את הפרויקט שהחל בקורס "פרויקט מסכם

מטרת הסמינר היא לעקוב אחר של מהנדס ותיק מהתעשייה או חבר סגל אקדמי. בהנחיה מקצועי, להנחות את הסטודנטים ולתרגל אותם בהצגה נאותה של עבודתם; לסייע לסטודנטים הפרויקטהתקדמות

המסכם; לאפשר הפריה הדדית בין סטודנטים הפרויקטמידת האפשר בהיבטים אקדמיים ומקצועיים של ב שונים; ולסייע למחלקה להעריך את ביצועיהם פרויקטיםהמבצעים

תנאי קדם:

1פרויקט מסכם


הציון יינתן ע"י משקל מטלה מנחה הסמינר 20% מצגות ומטלות סמינר הפרויקטים

שני שופטים 25% מצגת ובחינת פרויקט בכנס הפרויקטים מנחי הפרויקט 55% אופן ביצוע הפרויקט )כולל ספר הפרויקט( ****

חובת נוכחות של הסטודנט בכל הפגישות, הצגת עבודתו בפגישות, הגשת דוחות כתובים במועדםדבר מה נוסף" שאינו אופייני לרוב הפרויקטים, ( יינתן אך ורק לסטודנטים שעשו "95ציון מצטיין )מעל

למשל היות מערכת המידע "מבצעית" אצל הלקוח, פיתוח שווה ערך לפטנט, כתיבת מאמר שנשלח לפרסום בכתב עת מקצועי או הגשת מאמר לכנס מדעי.

רשימת קריאה )בבליוגרפיה(: אין

תכנית המפגשים: נושא מפגש

ע"י הסטודנטיםהצגת התקדמות הפרויקט 1-2 הצגת התקדמות הפרויקט ע"י הסטודנטים 3-4 הכנה למצגת בכנס הפרויקטים 5-6

מערכות המלצה שם הקורס בעברית: Recommender Systems שם הקורס באנגלית:


ש"ש 3, סה"כ: 0, מעבדה 0, תרגיל הרצאה: הקורס:מבנה



הקורס ידון בגישות שונות לחישוב המלצות, כגון המלצות מבוססות על משתמשים דומים והמלצות המתבססות על תוכן. נלמד על אלגוריתמים שונים מגישות אלו ועל יתרונותיהם וחסרונותיהם. נדון

נה נדון בתכונות שונות רצויות במערכות המלצה, כגון דייקנות, חדשנות, גיוון ופרטיות, ועבור כל תכו פיתוח והערכה שלב התלמידים הקורס יתנסו במסגרתבאלגוריתמים מתאימים וכיצד להשוות ביניהם.

המלצה. מערכות

מטרות הקורס: – אלגוריתמי של תכונות, המלצות לחישוב אלגוריתמים, המלצה במערכות ידע להקנות הקורס מטרת

.ליישומים המלצה מערכות והתאמת המלצה

תנאי קדם: למידה חישובית -----3721

אחזור מידע 37214406

הציון: הרכבדרישות הקורס ו 10%תרגילי בית: 5

30%: פרויקט 60% סופית:בחינה

:(בבליוגרפיהרשימת קריאה )1. Ricci, F.; Rokach, L.; Shapira, B., 2015, Recommender Systems Handbook,

Second Edition, Springer.

2. Jannach D., Zanker M., Felfering V, Friedrich G., 2011, Recommender

Systems, An Introduction, Cambridge.

3. Aggarwal C. C., 2016, Recommender Systems: The Textbook, Springer.



,המלצה מערכות של שונות משימות: מבוא 1-2פרקים – 2ספר

שונות גישות ,המלצה מערכות של יישומים

.לחישוב המלצות

1

באמצעות Collaborative Filtering 2 פרק – 1ספר מושגיםחלק א: –שיטת השכנים הקרובים

שיטות ,משתמשים שיטות השוואת ,בסיסיים

פירסון. קורולציית ,מודל חסרות

2

באמצעות Collaborative Filtering 3-4פרקים – 2ספר חלק ב: –שיטת השכנים הקרובים

,מותנית , הסתברות Cosine זוויתי דמיון

Liftהרמה

3

7+ פרק 3פרק – 1ספר

למידה: מבוססות שיטות מודלים , SVD ,החלטה עצי ,סטריאוטיפים

.מרקוביים

4

בעיית ,תוכן בחירת :תוכן מבוססות שיטות 4פרק – 1ספר cold-star.

5

,המלצה מנועי איחוד :היברידיים מודלים

.שונים מידע במקורות שימוש6

,משתמשים מבחני :המלצה מערכות הערכת 8-9פרקים – 1ספר

תכונות מדידת ,תועלת מדידת ,דיוק מדידת

,גיוון ,אמון ,הפתעה ,חדשנות :נוספות

.בטחון

7

מבוססות נוספות שיטותהמלצה שיטות 4-5פרקים – 3ספר

שיטות מבוססות הקשר ומיקום .חוקים8

9 מערכות המלצה ולמידה עמוקה 6פרק – 3ספר לבנות כיצד :המלצות עבור מידע רכישת

מול מרומז מידע ,מתאימים נתונים בסיסי

missing at random -ה הנחת ,מפורש

10

רשתות –מערכות מבוססות מידע חיצוני מידע פתוח חיצוניות,

11

עמידות, פרטיות, מערכות –נושאים נוספים 13-16פרקים – 1ספר .המלצה למכשירים ניידים

12

הצגת פרויקטים של סטודנטים

13

מכונות נבונות: למידה וקבלת החלטות שם הקורס בעברית:

Intelligent Machines: Learning and Decision-Making שם הקורס באנגלית:




הקורס: תיאורהחלטות משתי נקודות מבט: חישובית והתנהגותית. לבני האדם היכולת לקבל הקורס יתאר תהליכי קבלת

החלטות נבונות למרות העולם הסבוך והלא ודאי בו הם חיים. המודלים שנלמד בקורס מנסים להקנות את היכולת הזו למחשבים על ידי שימוש בתורות ההסתברות והמשחקים.


כדי לתאר התנהגות אנושית בעולם האמיתי. תיאורטייםנתמקד באתגרים הנובעים מן השימוש במודלים נקרא ונדון במאמרים בנושא מתחומי הבינה המלאכותית. תרגילי הבית יישמו את המודלים הללו

באפליקציות כגון משא ומתן ומסחר אלקטרוני באמצעות תכנות של סוכנים ממוחשבים.

תנאי קדם: ניתוח וקבלת החלטות 37214902

מבוא להסתברות וסטטיסטיקה 37211021


חלק מן הדיון יתבצע מחוץ לכיתה, דרך אתר הקורס. על הסטודנט לסכם ולהציג שאלה ביקורתית על מחקרית וינסה קט גמר שבו יציג הסטודנט שאלה פגישה. כמו כן הקורס יכלול פרוי חומר הקריאה לכל

לענות עליה בעזרת הכלים שניקנו בקורס. פירוט הציון להלן: .25%תרגילי בית • .10%השתתפות בכיתה ודיונים באתר הקורס • .65%מבחן •

:(בבליוגרפיהרשימת קריאה )1. Hillier, F. S., and Lieberman, G. J., 2014, Introduction to Operation Research,

10th, 2014.

2. Colin C., 2003, Behavioral game theory: experiments in strategic interaction.

New York, New York Princeton, New Jersey: Russell Sage Foundation

Princeton University Press



Steele, Katie and

Stefánsson, H. Orri,

"Decision Theory", The

Stanford Encyclopedia of

(. decision theoryמבוא לתורת ההחלטות ) פונקציות תועלת ועקרון הבחירה הרציונלית

1

Philosophy (Winter 2015

Edition), Edward N.

Zalta (ed.)

Markovמודלים מרקובים לקבלת החלטות ) 19פרק – 1ספר

Decision Processes .) מודלים מרקובים חבוים, רשתות נוירונים

2-3

socialתורת ההחלטות והתנהגות אנושית ) 3+4פרק – 2ספר

utility and social preferences utility)

4

המאמר:Ben-Gal, Irad (2007).

"Bayesian Networks". In

Ruggeri, Fabrizio;

Kennett, Ron S.; Faltin,

Frederick W.

Encyclopedia of

Statistics in Quality and

Reliability. Encyclopedia

of Statistics in Quality

and Reliability. John

Wiley & Sons

יצוג מידע הסתברותי באמצעות רשתות בייס (.Bayesian Networks)

5

המאמר:Detwarasiti, A.;

Shachter, R.D.

(December

2005). "Influence

diagrams for team

decision

analysis". Decision

Analysis. 2 (4): 207–228

Influenceרשתות החלטה לסוכן יחיד )

Diagrams) 6-7

המאמר:B. Koller D, Milch

agent influence -Multi

diagrams for representing

and solving games.

Games and economic

behavior. 2003 Oct

221.-1;45(1):181

Multiמרובות סוכנים ) שפעהרשתות ה

Agent Influence Diagrams) 8

המאמר:Ren, Wei; Beard, R. W.;

Atkins, E. M. (8–10 June

2005). "A survey of

consensus problems in

multi-agent

coordination". 2005

American Control

Conference: 1859–64

9 מודלים למשא ומתן

תורת המשחקים והתנהגות אנושית 2-ו 1פרקים – 2ספר (Behavioral Game Theory.)

10

11-13 הצגת פרויקטים של תלמידים

http://decision.highwire.org/content/2/4/207.full.pdf+html





כריית נתונים פיננסים שם הקורס בעברית:

Financial data mining שם הקורס באנגלית:




תאור הקורס:בחירת תיק השקעות הקורס כולל את הנושאים הבאים: קריטריונים סטטיסטיים לבחירת תיק השקעות,

סטיית תקן, מודלים לניתוח תיק השקעות, מודלים להערכת שווי נכסי הון, איתור -בגישה תוחלת והערכת נגזרים פיננסיים, אופציות וחוזים עתידיים: גישות שונות ואסטרטגיות, מודלים לניתוח ותמחור

[, Basel, SOXונים בבנק, רגולצייה ]אופציות וחוזים עתידיים, מודלים לאמידת סיכוני השוק, ניהול סיכבמהלך הקורס התלמידים יתרגלו את סקירת מערכות מידע לכריית נתונים פיננסיים וניהול סיכונים.

.Rהשיטות המתוארות בקורס בשפת

ללמוד ולתרגל את השיטות המובילות למימון וכריית נתונים פיננסיים כולל יישומן :מטרות הקורס לם האמיתי.לפתרון בעיות בעו

תנאי קדם:

שפות תכנות לניתוח נתונים 372------ למידה חישובית 372------ ניתוח סדרות עתיות וכריית תזרימי נתונים 372------


הקורס מתבסס על הרצאות ותרגול בכיתה. על הסטודנטים בקורס להגיש במועד את כל עבודות הסמסטר ולהבחן בסוף הקורס על כל החומר.הבית שינתנו במהלך

מציון הקורס. משקלה של כל עבודה יפורסם באתר 15%-עבודות בית שמשקלן הכולל כ 4-יינתנו כהקורס. העבודות תוגשנה בזוגות במועדים שייקבעו. הן תכלולנה תרגילים חישוביים ותרגילי

תכנות.

85%-בסוף הקורס תיערך בחינה שמשקלה כ .

כל עבודות הבית והצלחה במבחן הם תנאים למעבר הקורס.הגשת


1. Bodie, Z., Kane, A., & Marcus, A., 2013, Investments 10th edition.

Irwin/McGraw-Hill.

2. Jorion, P., 2007, Value at Risk: the New Benchmark for Managing Financial

Risk 3/e. Mc Graw - Hill.

:תכנית המפגשים .3


1 תיק קריטריונים סטטיסטטיים לבחירת 2 -ו 1: פרקים 1ספר

השקעות

סטיית -בחירת תיק השקעות בגישה תוחלת 6 -ו 5: פרקים 1ספר תקן

2

3 מודלים לניתוח תיק השקעות 8 -ו 7: פרקים 1ספר

, SML מודלים להערכת שווי נכסי הון ] 9: פרק 1ספר CAPM]

4

5-6 איתור והערכת נגזרים פיננסיים 20: פרק 1ספר גישות שונות :אופציות וחוזים עתידיים 21: פרק 1ספר

ואסטרטגיות

7

מודלים לניתוח ותמחור אופציות וחוזים 22: פרק 1ספר [S&Bעתידיים ]

8-9

עתיות שימוש במודלים לניתוח סדרות [AR(I)MA] בתחום הפיננסי

10

11 [VaRמודלים לאמידת סיכוני השוק ] 5: פרק 2ספר

,Baselניהול סיכונים בבנק. רגולצייה ] 18-20: פרק 2ספר

SOX]

12

סקירת מערכות מידע לכריית נתונים פיננסיים וניהול סיכונים

13

יזמות טכנולוגית שם הקורס בעברית:

Technological Entrepreneurship שם הקורס באנגלית:



ת זכותונקוד 3 נקודות זכות:

הקורס הקמה והובלת חברת הזנק אינו דומה לצורה שבה מתנהלים ארגונים מבוססים. תאור הקורס:

סיכון, -מדריך את תלמידי שנה ד' את רזי היזמות הטכנולוגית בשלביו השונים, החל מהרעיון דרך גיוס הוןשמכונה התנ"ך של עמק "The Art of the Start" יתמקד בספר ועד לניהול שיתופי פעולה. הקורס

יליקון ומהווה קריאת חובה בכל קורסי מדעי המחשב העוסקים ביזמות. כותב הספר גיא קוואסקי הינו הסשהינה חברה Garage Technology Ventures מקינטוש ומכהן כמנכל -ממנהיגי מהפכת אפל

הממוקמת בקליפורניה.

מטרות הקורס ממנו הופכים רעיון לחברת הזנק. לחשוף את התלמיד לעולם היזמות הטכנולוגית וללמדו את התהליך


הנוכחות בכל המפגשים הינה חובה, כיוון שהמצגות מכילות רק נקודות מרכזיות בנושאים עליהם נדבר. ע"מ לקיים "The Art of the Start"יש לקרוא לפני כל שיעור את הפרק התואם לנושא השיעור בספר

דיון מעמיק יותר במהלך ההרצאה.

הרכב הציון: כולל:, במהלך הסמסטר תידרשו להראות התקדמות ולקבל פידבק40% : אפ-סטארט פרויקט ,

(PowerPoint Pitchהצגה הצעת הסטרטאפ ) .1

(Executive Summaryדו"ח פרויקט ) .2

, שאר הכיתה בוועידה( pitchאפ )בבחינה סטודנטים יציגו את רעיונם לסטארט -הצגת הפרויקט .3שתיפקדו או ישתתפו בתוך משקיעים פוטנציאלים, בנוסף ישתתפו גם אנשים מהתעשייה

. מתפקדים כיום בניהול הון סיכון ו/או מנהלי אינקובטורים

*הפרויקט יישאר בבעלות הסטודנט במידה וירצה להמשיך את רעיון הפרויקט.

10% –השתתפות בכיתה

50% –סופי מבחן


1. Kawasaki, G., 2015. The art of the start 2.0: The time-tested, battle-hardened

guide for anyone starting anything. Penguin.

.

:תכנית המפגשים מס' שיעור נושא קריאה נדרשת

1 מבוא 1פרק

2 מיצוב 2פרק

Pitching 3 -אומנות ה 3פרק

4 כתיבת תכונית עסקית 4פרק

5 ניהול חברת הזנק בתחילת הדרך 5פרק

6 גיוס כ"א גרעין 6פרק

7 גיוס הון 7פרק

8 ניהול שיתופי פעולה 8פרק

9 מיתוג המוצרים 9פרק

The Art of Rainmaking 10 10פרק

The Art of Being a Mensch 11 11פרק

12 על הצגת הפרויקט הסופיתחזרה גנרלית

13 הצגת הפרויקט הסופי

פרטיות בעידן הדיגיטלי שם הקורס בעברית:

Privacy in the Digital Age שם הקורס באנגלית:




תאור הקורס:השימוש ההולך וגובר במערכות המידע מחד, והשילוב של מערכות התקשורת מאידך, יוצרים עבור

המשתמשים חשיפה חסרת תקדים של מידע אישי, והופכים את סוגיית הפרטיות לראשונה בחשיבותה. העידן ום, (, שירותים מבוססי מיקWEB-Browsingהדיגיטלי כולל מעקב אחר פעולות רשתיות )בעיקר במהלך

, אמצעי זיהוי ביומטריים וכיו"ב. IoT, טכנולוגית AIמצלמות מעקב האוספות מידע המעובד בטכנולוגיות בשעה שטכנולוגיות אלו מציעות תועלות משמעותיות עבור המשתמש, הן גם פוגעות בפרטיותו וכך בפועל

הסצנריו, והמידע בעל משמעות המשתנה על פי פרמטרים שונים כגון: המשתמש, Trade-offמציגות הנחשף.

במהלך הקורס סוגית הפרטיות תבחן הן בהיבטיה התיאורטיים, והן במופעיה המעשיים בעולם הדיגיטלי. יוצגו

-kדרכים טכנולוגיות להגנה על הפרטיות במספר מישורים: א( שיטות לאומדן והגנה על הפרטיות )כגון:

anonymity, Differential-privacyאמידת הפרת הפרטיות הנובעת משימוש ביישום מסוים (; ב( כלים ל(P3P( שיטות לניהול הפרטיות ע"י משתמש הקצה )ג ;)user-controllable privacy הקורס יעסוק גם .)

בהיבטים החקיקתיים והרגולטוריים של הגנת הפרטיות בארץ ובעולם. השימוש ברשתות החברתיות המקוונות (OSN ובעיקר רשת הפייסבוק ,)– .יהוו מודל להבנת התהליכים

מטרות הקורס:קורס זה יקנה לסטודנטים היכרות מעמיקה עם איומי הפרטיות ודרכי ההתממשות שלהם )רשתות חברתיות,

...(,cookies, Big Dataהזדהות במנועי חיפוש,

תנאי קדם: אבטחת מחשבים ורשתות תקשורת 37214601


דורש קריאת מאמרים אקדמיים ביצוע עבודה שתכלול אלמנט בעל אופי מחקרי, סקר ספרות מקוצר, הקורס והצגת העבודה בפני הכיתה.

הרכב הציון הסופי:

30% פרויקט הגמר: 10% הצגת הפרויקט:

60% מבחן סופי:

הצלחה במבחן היא תנאי למעבר הקורס.

רשימת קריאה )בבליוגרפיה(:1. Aggarwal C. C. and Yu P. S., 2008, Privacy-Preserving Data Mining: Models

and Algorithms, Springer.

2. Solove, D.J., Rotenberg, M. and Schwartz, P.M., 2009, Privacy, Information, and

Technology, 2nd edition, , Aspen Publishing.


קריאה נדרשת נושא ההרצאה שבוע 1-3פרקים – 1ספר מבוא וסקירת תיאוריות של פרטיות 12 Anonymity 4פרק – 2ספר 3 Differential privacy 4 Re-identification 4פרק – 2ספר 5 P3P and privacy semantics אין קריאת חובה קבלת החלטות הנוגעות לפרטיות 6 שקיפות והסכמה 7 2פרק – 2ספר הנוגעים לפרטיות בארץ ובעולם החוק והרגולציה 8 פרטיות ברשת וברשתות חברתיות 9

פרטיות בשירותים מבוססי מיקום 1011 Configuring Privacy preferences

הצגת עבודת הגמר 12-13


מלאכותית חיפוש בבינה שם הקורס בעברית:

Search in Artificial Intelligence שם הקורס באנגלית:




תאור הקורס:קשות בבינה מלאכותית. הקורס הקורס עוסק בשיטות של חיפוש יוריסטי המשמשות לפתרון בעיות

מחסור בזיכרון ובזמן ויסקור את מיטב גוןמציג את הבעיות השונות בחיפוש במרחבים מאד גדולים כהפתרונות שפותחו לבעיות אלה החל משיטות חיפוש קלאסיות וכלה באלגוריתמים חדשים המשלבים

. חלק נכבד כו'מספר מעבדים מקביליים וכמו שימוש בזיכרונות גדולים, חיפוש עם טכנולוגיות חדישותמהקורס עוסק בשיטות שפותחו על מנת שהמחשב יוכל לשחק משחקים כמו שחמט ודמקה ויסקור

לבו תיאורים של מערכותואלגוריתמים של חיפוש על עצי משחק וניתוח מתמטי שלהם. בקורס יש אמיתיות.בעיות מודרניות מפורסמות הפותרות


להקנות יכולות וידע בשיטות חיפוש בבינה מלאכותית

בינה מלאכותיתמבוא ל, אלגוריתמים, מבני נתונים תנאי קדם:


הקורס יכלול פרוייקט מעבדה ובו יתנסו הסטודנטים בשיטות החיפוש השונות לפי בחירתם וכן בחינה למעבר בקורס. סטודנטים המעוניינים בכך יוכלו להמיר את בסוף הקורס. הצלחה בבחינה הינה תנאי

הבחינה בפרויקט מעבדה מורחב באישור המרצה וועדת הוראה.

בחינה 50% פרוייקט מעבדה. 50%חלוקת הציון:


1. Salhi, S., 2017. Heuristic search: The emerging science of problem solving.

Springer.

2. Edelkamp, S. and Schroedl, S., 2011. Heuristic search: theory and

applications. Elsevier.

3. Korf, R., 2009, Heuristic Search, CRC


קריאה נדרשת נושא השיעור מס השעור

1פרק – 1ספר בעיות ומרחבי חיפוש 1-2

2פרק – 1ספר Brute forceחיפוש 1-2

, חיפושים עם זכרון best-first search חיפושים מיודעי 3-5 ליניארי

3-4פרק – 3ספר

5פרק – 3ספר והיוריסטיות מבוססות אוכלוסיות חיפושים לא אופטימליים 6-7

4פרק – 1ספר

6פרק – 3ספר pattern databasesפונקציות יוריסטיות, 8

minimaxמשחקים עם שני שחקנים, 9-10

alpha-betaניתוח מתמטי של

7-9פרקים – 3ספר

10פרק – 3ספר משחקים עם מספר רב של שחקנים 11

12-13 Local Search 4פרק – 2ספר

12-13פרקים – 3ספר חיפוש מקבילי, בעיות סיפוק אילוצים 13

כריית מידע במאגרי נתונים גדולים :שם הקורס בעברית

Massive Data Mining :שם הקורס באנגלית

37225401 :מספר הקורס

3, סה"כ: 0, מעבדה 0, תרגיל 3הרצאה: :היקף הקורס

3 :נקודות זכות

תיאור הקורס:

במסגרת הקורס נלמד כיצד לבצע משימות שכיחות של כריית מידע, כגון סיווג, ניתוח אשכולות והמלצה, על גבי locality-sensitive -ו Map Reduceמאגרי נתונים גדולים באמצעות עקרונות של עיבוד מקבילי ומבוזר כגון

hashingובלות היום לכריית מידע בהיקפים גדולים.. במסגרת הקורס הסטודנטים יכירו ויתנסו בטכנולוגיות המק

:מטרות הקורס

הקורס ידון בעקרונות ובטכניקות לעיצוב, פיתוח ויישום אלגוריתמים במאגרי נתונים גדולים

:קורסי קדם



:דרישות והרכב הציון

התלמיד נדרש ללמוד את נושאי הקורס המפורטים להלן על פי ההרצאות בכיתה וחומר הקריאה, להשתתף בהרצאות ולהגיש עבודות בית במועד ולהבחן בסוף הקורס על החומר.



הקורס.הצלחה במבחן היא תנאי למעבר

:רשימת קריאה

רשימת קריאה )בבליוגרפיה(:1. Anand Rajaraman, Jeffrey D. Ullman, Mining of Massive Datasets, 2

nd Edition, 2014,

Cambridge Press

תכנית המפגשים והקריאות:


1 מבוא 1פרק עבור בעיות ניתוח 1חלק – Map Reduce 7+ פרק 2פרק

אשכולות

2

3 עבור בעיות סיווג 2חלק – Map Reduce 12פרק

4 1חלק –אלגוריתמים לניתוח גרפים גדולים 10פרק

5 2חלק –אלגוריתמים לניתוח גרפים גדולים 10פרק

-ו SVDשיטת –הקטנת מימדיות לנתוני עתק 11פרק 6

CUR 7 נתוני עתק מערכות המלצה עם 9פרק

8 1חלק - כריית זרמי נתונים 4פרק 9 2חלק –כריית זרמי נתונים 4פרק

10 ( Sparkטכנולוגיות לעיבוד נתוני עתק ) 11 (MLLibטכנולוגיות לביזור אלגוריתמים לומדים )

למציאת Locality-sensitive hashingשיטת 3פרק פריטים דומים

12

Frequent Itemsets 13שיטות למציאת 6פרק 14 סיכום וחזרה למבחן

מנשקי אדם מחשב שם הקורס בעברית:

Human-Computer Interaction :שם הקורס באנגלית





מחשב בפרט; -אדם מבוא והיכרות עם התחום; תיאוריות ועקרונות של עיצוב בכלל ועיצוב מערכותעקרונות מערכת עיבוד המידע האנושית; גישות ושיטות לניתוח, הערכה ועיצוב של יישומים ומוצרים

אינטראקטיביים; אמצעי וסגנונות אינטראקציה בתכנה וחומרה; דוגמאות לתחומי יישום שונים כגון כלי ם תרבותיים ולאומיים.רכב וסביבות מגורים; עיצוב לנגישות ולאוכלוסיות מיוחדות; והיבטי


מחשב.-. לידע את הסטודנטים בנושאים בסיסיים הקשורים לתחום של אינטראקציית אדם1. להציג תיאוריות, גישות וקווים מנחים לעיצוב מערכות אינטראקטיביות ושיטות להערכתן, בהם יוכלו 2

גרי מידע בהם יוכלו התלמידים להיוועץ הסטודנטים להיעזר ולהשתמש בעת הצורך. להציג מקורות ומא בעתיד.

. תרגול בשימוש בידע ובכלים הנלמדים להערכה של מערכות אינטראקטיביות.3

תנאי קדם: אין

הציון: הרכבדרישות הקורס ו הרכב הציון:עבודות. ששבמהלך הקורס יינתנו

18%: עבודות 82% קורס:בחינת סוף


על התלמידים לקרוא אין ספר לימוד לקורס. במקום זה לכל שיעור נקבעו מספר מאמרים לקריאת חובה. את חומר הקריאה הנדרש לכל אחד מהשיעורים. ההרצאות בכיתה קשורות אמנם לחומר הקריאה, אך

ן אינן חופפות לחלוטין ובוודאי אינן מתימרות לכסות את כל חומר המאמרים. הבחינה תורכב המהמאמרים והן מתכני ההרצאות ועל התלמידים להפגין בקיאות בשניהם. בנוסף, רשימת הקריאות כוללת

מאמרי רשות )בד"כ מאמרים קצרים מהעיתונות( שנועדו להרחבת הידע בנושאי הקורס.



מחשב.-אינטראקציית אדם( על התחום של 2017טרקטינסקי, נ. )

מבוא

1

Norman, D. (1988) “The Psychopathology of Everyday

Things”.

Norman, D. Design as Communication.

http://jnd.org/dn.mss/design_as_communication.ht

ml

Padila, M. User Interface Design - Taking the

Good with the Bad, Digital Web Magazine, July

18, 2006. http://www.digital-

web.com/articles/user_interface_design_taking_the

_good_with_the_bad/

מודלים ועקרונות בעיצוב לשימוש

אנושי

2

Roth, S.P. et al. “Mental models for web objects: Where

do users expect to find the most frequent objects in online

shops, news portals, and company web pages?” Interacting with Computers, 22 (2010) 140–152.

מודלים ועקרונות בעיצוב לשימוש אנושי )המשך(

המערכת הקוגניטיבית

3

Dix, Finlay, Abowd, and Beale Human-Computer

Interaction (2nd

Ed.), Prentice Hall, 1998 (pp.11-36)

The Guardian 'We can implant entirely false

memories,' December 4, 2003.

http://www.guardian.co.uk/life/feature/story/0,130

26,1098943,00.html

ן הכללי(רק ברעיו –)לא להתעמק בפרטים

Sandberg, J. Yes, Sell All My Stocks. No, the 3:15 From

JFK. And Get Me Mr. Sister. The Wall Street

Journal Online, 2006.

Solan, L.M and Tiersma, P.M. Falling on deaf ears, Legal

Affairs, Nov-Dec 2003.

http://www.legalaffairs.org/issues/November-

December-2003/story_solan_novdec03.html

Vitello, P. A Ring Tone Meant to Fall on Deaf Ears. New

York Times, June 12, 2006.

המערכת הקוגניטיבית )המשך(

4

המערכת הקוגניטיבית )המשך(

5

http://jnd.org/dn.mss/design_as_communication.html

http://jnd.org/dn.mss/design_as_communication.html

http://www.digital-web.com/articles/user_interface_design_taking_the_good_with_the_bad/



http://www.guardian.co.uk/life/feature/story/0,13026,1098943,00.html

http://www.guardian.co.uk/life/feature/story/0,13026,1098943,00.html

http://www.legalaffairs.org/issues/November-December-2003/story_solan_novdec03.html

http://www.legalaffairs.org/issues/November-December-2003/story_solan_novdec03.html

עיצוב האינטראקציה

,11.11.2013נחמן, ד. האם האתר שלך נגיש? תקדין =4http://www.takdin.co.il/Pages/Article.aspx?artId

372145

: הנחיות להנגשת תכני אתרי אינטרנט W3Cהמלצות WCAG) 2.0 .)

http://www.w3c.org.il/guidelines/guidelines_WCA

G_2.0.html

משרד המשפטים. הנגשת אתרי אינטרנט. http://www.justice.gov.il/Units/NetzivutShivyon/M

buri/NeercazHameidaLenegishut/NegishutSherutZi

gishutMeidaKatuvUbealPeh/Pages/HangashatAtrei

Internet.aspx

Bedford, A. (2016) Perceived value in user interfaces.

https://www.nngroup.com/articles/perceived-value/

Budiu, R. (2013) Interaction Cost.

https://www.nngroup.com/articles/interaction-cost-

definition/

Budiu, R.: Mobile Websites: Mobile-Dedicated,

Responsive, Adaptive, or Desktop Site? February

14, 2016.

https://www.nngroup.com/articles/mobile-vs-

responsive

Hoober, S. (2015) Fingers, thumbs, and people.

Interactions, May-June 2015, 48-49.

McCloskey, M “Form Design Quick Fix: Group

Form Elements Effectively Using White Space,” November 3, 2013.

http://www.nngroup.com/articles/form-design-

white-space/

Clarke, A. 12 Typography Guidelines for Good Website

Usability. http://usabilitygeek.com/12-typography-

guidelines-for-good-website-

usability/?goback=.gde_126114_member_1256926

00

Norman, D. Norman, D. A. (1983). Design rules based on

analyses of human error. Communications of the ACM,

26(4), 254-258.

Spool, J.M. (2010) “Why We Sketch.” http://www.uie.com/articles/why_sketching

Tognazzini, B. (2014) First Principles of Interaction

Design (Revised & Expanded).

http://asktog.com/atc/principles-of-interaction-

design/

עיצוב האינטראקציה )המשך(

6

http://www.takdin.co.il/Pages/Article.aspx?artId=4372145

http://www.takdin.co.il/Pages/Article.aspx?artId=4372145

http://www.w3c.org.il/guidelines/guidelines_WCAG_2.0.html

http://www.w3c.org.il/guidelines/guidelines_WCAG_2.0.html

http://www.justice.gov.il/Units/NetzivutShivyon/MercazHameidaLenegishut/NegishutSherutZiburi/NegishutMeidaKatuvUbealPeh/Pages/HangashatAtreiInternet.aspx




https://www.nngroup.com/articles/perceived-value/

https://www.nngroup.com/articles/interaction-cost-definition/

https://www.nngroup.com/articles/interaction-cost-definition/

https://www.nngroup.com/articles/mobile-vs-responsive

https://www.nngroup.com/articles/mobile-vs-responsive

http://www.nngroup.com/articles/form-design-white-space/

http://www.nngroup.com/articles/form-design-white-space/

http://usabilitygeek.com/12-typography-guidelines-for-good-website-usability/?goback=.gde_126114_member_125692600




http://www.uie.com/articles/why_sketching

http://asktog.com/atc/principles-of-interaction-design/

http://asktog.com/atc/principles-of-interaction-design/

( המחשב מתווכח אתי 2009שרית מנחם" )- ואני רוצה להיות 22/10/09 -הבוס" הארץ, פורסם ב

https://secure.haaretz.co.il/hasite/spages/1122602.h

tml

כספי, ע. למה כמעט אף אחד לא מבין רופאים. medicine/8/-http://www.clalitblogs.co.il/integrative

Budiu. R. (2014) The Reciprocity Principle: Give

Before You Take in Web Design.

http://www.nngroup.com/articles/reciprocity-principle/

Nielsen, J. (2012) Usability 101: Introduction to

usability. https://www.nngroup.com/articles/usability-

101-introduction-to-usability/

Berry, D. “The user experience: The iceberg analogy of

usability” http://www-

106.ibm.com/developerworks/web/library/w-

berry/?dwzone=web

Norman, D. “Words Matter. Talk About People - Not

Customers, Not Consumers, Not Users.” Interactions, Sept-Oct 2006: 49, 63.

http://jnd.org/dn.mss/words_matter_talk_about_pe

ople_not_customers_not_consumers_not_users.ht

ml

Whitenton, K (2013) Minimize cognitive load to

maximize usability.

https://www.nngroup.com/articles/minimize-

cognitive-load

משתמשים ושימושיות

הערכת שימושיות

7

Loranger, H. (2016) Checklist for planning usability

studies.

https://www.nngroup.com/articles/usability-test-

checklist/?utm_source=Al

Farrell, S. (2015) Test Paper Prototypes to Save Time

and Money: The Mozilla Case Study.

https://www.nngroup.com/articles/mozilla-paper-

prototype/

Usability.gov: Planning a Usability Test.

https://www.usability.gov/how-to-and-

tools/methods/planning-usability-testing.html

Card, S.K, Moran, T.P. and Newell, A. “The Keystroke-

Level Model for User Performance Time with

Interactive Systems” Communications of the ACM,

23(7), 1980: 396-410.

Harty, J. “Finding Usability Bugs with Automated Tests,”

הערכת שימושיות )המשך(

8

https://secure.haaretz.co.il/hasite/spages/1122602.html

https://secure.haaretz.co.il/hasite/spages/1122602.html

http://www.clalitblogs.co.il/integrative-medicine/8/

http://www.clalitblogs.co.il/integrative-medicine/8/

http://www.nngroup.com/articles/reciprocity-principle/

https://www.nngroup.com/articles/usability-101-introduction-to-usability/

https://www.nngroup.com/articles/usability-101-introduction-to-usability/

http://www-106.ibm.com/developerworks/web/library/w-berry/?dwzone=web



http://jnd.org/dn.mss/words_matter_talk_about_people_not_customers_not_consumers_not_users.html



https://www.nngroup.com/articles/minimize-cognitive-load

https://www.nngroup.com/articles/minimize-cognitive-load

https://www.nngroup.com/articles/usability-test-checklist/?utm_source=Al

https://www.nngroup.com/articles/usability-test-checklist/?utm_source=Al

https://www.nngroup.com/articles/mozilla-paper-prototype/

https://www.nngroup.com/articles/mozilla-paper-prototype/

https://www.usability.gov/how-to-and-tools/methods/planning-usability-testing.html

https://www.usability.gov/how-to-and-tools/methods/planning-usability-testing.html

Communications of the ACM, 2011, 54(2), 44-49.

Keystroke Level Model Calculator:

http://www.syntagm.co.uk/design/klmcalc.shtml.

Sierra, K. “Don't make the Demo look Done.” December

27, 2006

Norman, D.A. Yet Another Technology Cusp:

Confusion, Vendor Wars, and Opportunities.

Communications of the ACM, 2012, 55(2), 30-32.

Nielsen, J. Tablet Usability. August 5, 2013.

http://www.nngroup.com/articles/tablet-usability

Hardy, J. Reflections: A Year Spent with an

Interactive Desk. Interactions, Nov.-Dec. 2012, 56-

61.

Norman, D. “Natural User Interfaces are not

natural,” Interactions, May-June 2010, 6-10.

, עמ' 10, 2011משימתי", אודיסאה, -רפאלי, ש. "האדם הרב64 – 71.

אמצעי אינטראקציה אינטראקציהסגנונות

9

“The phone of the future.” The Economist. Nov 30th 2006

http://www.ted.com/talks/pattie_maes_demos_the_sixth_s

ense.html

Ubiquitous

Computing;

Information

Appliances;

Internet of Things

10

Mone, G. (2014). Intelligent living. Communications

of the ACM, 57(12), 15-16.

Halsey, A. and Laris, M. Self-driving cars reach a fork

in the road, and automakers take different routes.

The Washington Post, August 24, 2016.

https://www.washingtonpost.com/local/trafficandc

ommuting/self-driving-cars-reach-a-fork-in-the-

road-and-automakers-take-different-

routes/2016/08/24/5cdeaba8-63d9-11e6-8b27-

bb8ba39497a2_story.html?utm_term=.e0bceea821

d9

Trop, J. “Detroit, Embracing New Auto Technologies,

Seeks App Builders.” The New York Times, June 30,

2013.

http://www.nytimes.com/2013/07/01/technology/detroit-

embracing-new-auto-technologies-seeks-app-builders.html

טכנולוגיות מידע בבית וברכב

11

Meyer, K. Millennials as digital natives: Myths

and realities. January 3, 2016.

https://www.nngroup.com/articles/millenni

מנשקים לאוכלוסיות מיוחדות; עיצוב

ש בינלאומי; לשימו

12

http://www.syntagm.co.uk/design/klmcalc.shtml

http://www.nngroup.com/articles/tablet-usability

http://www.ted.com/talks/pattie_maes_demos_the_sixth_sense.html

http://www.ted.com/talks/pattie_maes_demos_the_sixth_sense.html

https://www.washingtonpost.com/local/trafficandcommuting/self-driving-cars-reach-a-fork-in-the-road-and-automakers-take-different-routes/2016/08/24/5cdeaba8-63d9-11e6-8b27-bb8ba39497a2_story.html?utm_term=.e0bceea821d9






http://www.nytimes.com/2013/07/01/technology/detroit-embracing-new-auto-technologies-seeks-app-builders.html

http://www.nytimes.com/2013/07/01/technology/detroit-embracing-new-auto-technologies-seeks-app-builders.html

https://www.nngroup.com/articles/millennials-digital-natives/

als-digital-natives/

Hosking, I., Waller, S. and Clarkson, P.J. “It is normal

to be different: Applying inclusive design in

industry,” Interacting with Computers 22, 2010:

496-501.

Leung, R. et al., “Multi-Layered Interfaces to

Improve Older Adults’ Initial Learnability of

Mobile Applications,” ACM Transactions on

Accessible Computing, 3(1), 2010: 1-30.

הדרכה עזרה ותיעוד

Norman, D.A. Emotion and Design: Attractive things

work better. Interactions, July-Aug. 2002: 36-42.

Norman, D.A. Ortony, A., and Russell, D. M. Affect and

machine design: Lessons for the development of

autonomous machines, IBM Systems Journal, VOL

42(1), 2003: 38-44.

כיוונים חדשים בעיצוב מערכות אינטראקטיביות

13

https://www.nngroup.com/articles/millennials-digital-natives/

רשתות מורכבותלמבוא שם הקורס בעברית:

Introduction to complex networks שם הקורס באנגלית:




תאור הקורס:בין חלבונים, רשתות גנטיות, הקורס יכלול את הנושאים הבאים: מקורות מידע )אינטראקציה

תקשורת מחשבים, רשת החשמל, וכו '.( ניתוח של רשתות מורכבות: ‎, WWW, ‎חברתיות רשתות (, מקדם ‎ Betweenness, Eigenvector, Closeness, Random walks, ‎מרכזיות )קישוריות מדדי

–‎ (Erdősותית: גרפים אקראייםאורך נתיב אופייני, תפרוסת מרכזיות. יצירת רשתות מלאכ‎, ‎התקבצותRényi) ‎ , preferential attachment (Barabasi-Albert)‎ , Small-world networks (Watts-

Strogatz)‎ , ורשתות עם תכונות יעד ספציפיות. דיפוזיה ברשתות חברתיות: מודלים אפידמיולוגיים ‎(SI,

SIS, SIR, ‎SIRS)‎ , General Annotated logic Programs (GAP)‎ ‎ :יישומים ובעיות אופטימיזציה .במסגרת‎הקורס‎התלמידים‎יממשו‎.‎‎‎של דיפוזיה ברשת, שיבוש רשתות, ניטור הרשת הנמכה \הגברה

‎שפות‎באמעות‎מורכבות‎רשתות‎לניתו‎אלגורתמיםPython אוR ותוך שימוש בחבילות קיימות )כגוןigraph.)

מטרות הקורס: בסיסיים לניתוח רשתות מכללהסוגים להקנות כלים

תנאי קדם:

שפות תכנות לניתוח נתונים 372------ למידה חישובית 372------

ניתוח רשתות חברתיות 37214403

הציון: הרכבדרישות הקורס ו 20%תרגילי בית:

80%בחינה סופית:


1. Mark, N., 2010. Networks: an introduction, Oxford University Press



1 תיאורית הגרפים 1פרק

והמאמר: 3פרק Newman Girvan, Finding and evaluating

community structure in networks, Physical

2 קהילותניתוח מבניים של

Review E 69, 026113 (2004)

3 תכונות של גרפים

4-7 מדדי מרכזיות 7פרק

פיתוח אלגוריתמים לניתוח 9-10פרקים גרפים

8

להיווצרות של מודלים 14פרק גרפים

9

המאמר:Kang et al. , Diffusion Centrality in Social

Networks, ASONAM (2012)

10 התפשטות ברשתות

המאמר:Wang, P., Xu, B., Wu, Y. and Zhou, X.,

2015. Link prediction in social networks:

the state-of-the-art. Science China

Information Sciences, 58(1), pp.1-38.

11-12 ברשת חיזוי קשרים

המאמר:

Goyal, P. and Ferrara, E., 2017. Graph

embedding techniques, applications, and

performance: A survey. arXiv preprint

arXiv:1705.02801.

Embeddingשיטות לגרפים

13

שפה טבעית ודינמיקה חברתית נושאים מתקדמים בעיבוד שם הקורס בעברית:

Adavanced NLP and Social Dynamics שם הקורס באנגלית:

372.2.58070 מספר הקורס:



תאור הקורס:המתמקד בעיבוד שפה טבעית בקונטקסט החברתי. בעוד שפה משמשת הקורס הנו קורס מתקדם

רוב המחקר בעיבוד שפה מתמקד בטקסט )משפט, - לתקשורת בין אנשים בסיטואציה )רשת( חברתיתפסקה, מסמך( במנותק מהקונטקסט החברתי ורוב המחקר בניתוח רשתות )חברתיות( נעשה במנותק

גישות משתי הדיסציפלינות ונראה איך השילוב תורם הן לעיבוד מהתוכן המועבר ברשת. בקורס זה נשלב השפה והן למידול הדינמיקה החברתית. כמו כן, נראה כיצד גורמים חברתיים יוצרים הטיות הפוגעות בלימוד ובהערכת הביצועים של אלגוריתמי למידה וכיצד אלגוריתמי למידה משכפלים ומגבירים הטיות

חברתיות.

:מטרות הקורסגם בניתוח רשתות חברתיות כמו הקורס יקנה לסטודנטים ידע מתקדם באלגוריתמים לעיבוד שפה

ובמידול דינמיקה חברתית. הקורס ישלב תכנות ועיבוד מידע עם תיאוריה של רשתות מורכבות ורשתות בקבוצות וכל סטודנט יציג מאמר במתכונת פרויקט. הסטודנטים יעבדו על Rבשפת פייתון או חברתיות

סמינר.

תנאי קדם: למידה חישובית 372------ שפות תכנות לניתוח נתונים 372------ עיבוד שפה טבעית 372------


(, השתתפות בדיונים על המאמרים המוצגים 15%ציון הקורס יבוסס על הצגת מאמר במתכונת סמינר ) (50%(, מבחן סופי )30%, פרויקט )(5%)


1. Goldberg, Y., 2017. Neural network methods for natural language processing.

Synthesis Lectures on Human Language Technologies, 10(1), pp.1-309. 2. Barabási, A.L., 2016. Network science. Cambridge university press.

3. Jurafsky, D. and Martin, J.H., 2014. Speech and language processing (Vol. 3).

London: Pearson.



השיעור

Do Artifacts Have

Politics, Winner, 1980

חברתיות, סקירת האתגרים בעיבוד שפה וניתוח רשתות מבוא סוציולוגי, דוגמאות: הטיות מגדר בתרגום מכונה,

distributional הטיות חברתיות בלמידה עמוקה שלsemantics. .ותוכן פוליטי

1

4פרק – 2ספר

An Information Flow

Model for Conflict and

Fission in Small Groups,

Zachary, 1977

: עולם "יישור קו"-סקירה ו - ניתוח רשתות )חברתיות( ,(scale free) קטן, מודולריות, רשתות חסרות מידה

קשרים חזקים וקשרים חלשים, רשתות בינאריות, רשתות ממושקלות, רשתות מרובות שכבות

2-3

-ו Word2Vecשפה טבעית: ל Embeddingשיטות 8-9פרקים 1ספר Glove

4-5

13-19פרקים – 1ספר 9פרק – 3ספר

Recurrent Neural) רשתות עמוקות מורכבות

Networks ו Long-Short Term Memory

[LSTM] Networks) ושימושיהן לעיבוד שפה

5-6

המאמר:Robins, G.; Pattison, P.;

Kalish, Y.; Lusher, D.

(2007). "An introduction

to exponential random

graph models for social

networks". Social

Networks. 29: 173–191.

Exponential) מודלים אקספוננציאליים לרשתות

Random Graph Models - ERGM)

7

; פרויקטהצגה ואישור התוכניות למיני דיון קבוצתי על ההצעות

8-9

הצגת מאמרים ודיון תוך דגש על התמונה העולה קשורים ממאמרים קשורים )הצגת קבוצות מאמרים

(10-11תפוזר לאורך הסמסטר, לא דווקא השבועות

10-11

על ידי הקבוצות ודיון פרויקטיםהצגת

12-13

מחשוב ענן שם הקורס בעברית:

Cloud Computing שם הקורס באנגלית:





מבוססות ענן, ובפרט פיתוח בתכנון ארכיטקטורות שונות של אפליקצית ומעשי תיאורטי רקע הקניית

.ענן תשתיות ומובייל העובדות מול WEBאפליקציות

מטרות הקורס:במסגרת הקורס נכיר את עולם הענן, תוך הסתכלות ארכיטקטונית של אפליקציות ווב ומובייל המפותחות

על אתגרים ונכיר שימושו מול הענן. בפרט, נכיר את סוגי הענן השונים, ופלטפורמות ענן קיימות ,נדבר של מיקרוסופט. הקורס ישלב תרגולים מעשיים ותרגילים של תכנון ופיתוח AZUREאת פלטפורמת ה

אפליקציה באנדרואיד מול סביבת הענן. הקורס ישלב גם הרצאה מהתעשייה שתספר על מימושו של הענן AZUREש בפלטפורמת כטכנולוגיה מובילה בשוק ההייטק הישראלי והעולמי. במסגרת הקורס נשתמ

PLATFORM AS SERVICE כ DATA CENTERכפלטפורמת ענן בה יתכנן ויבנה כל סטודנט )הסטודנטים יקבלו חשבונות ענן משלהם לחצי שנה ע"מ שיוכלו לפתח לענן.(

תנאי קדם:

תכנות מתקדם 37212102 (Big Dataנתוני עתק ) ------372 ומערכות הפעלהמבנה מערכות מחשוב ------372


. הקורס יכלול עבודות , מבחן ופרוייקט .התלמיד נדרש להשתתף בהרצאות ,להגיש עבודות , ולהבחן בסוף הקורס על החומר

על התלמיד להתעדכן בחומרים באתר הכוללים את ההרצאות, המעבדות, סקרים, ומאמרים

.נכללים במבחן הסופיים המאמרעל התלמיד לקרוא מאמרים .העבודות והפרוייקט יוגשו בזוגות במועדים שייקבעו

פתיחת חשבון חינם לכל סטודנט בפלטפורמת ענן AZURE בה נשתמש כפלטפורמת הענן ( PLATFORM AS SERVICE)כ

במסגרת הקורס תזכה שתאורגן השתתפות בהקטון

:מבנה הציון

תרגיל האקטון עיוני

מסמך ארכיטקטורה

ראשוני פרוייקט

, מצגת הגנהסופית פרוייקט

ודו"ח מסכם

מבחן סופי

10% 10% 5% 20% 55%


1. Erl, T., Puttini, R. and Mahmood, Z., 2013. Cloud computing: concepts,

technology & architecture. Pearson Education.

2. Velte, A.T., Velte, T.J., Elsenpeter, R.C. and Elsenpeter, R.C., 2010. Cloud

computing: a practical approach, New York: McGraw-Hill.



מבוא לחישוב ענן 1: פרק 1ספר

1

2 ניהול חישוב ענן 1: פרק 1ספר AMAZON WEB SERVICES (AWS) 3 2: פרק 1ספר GOOGLE CLOUD 4 2: פרק 1ספר Windows Azure: Architecture and 3: פרק 1ספר

AppFabric

5

CLOUD Infrastructure 6 3: פרק 1ספר CLOUD Storage – BLOB and Tables 7 2: פרק 2ספר CLOUD Storage QUEUES and SQL 8 3: פרק 2ספר 9 (Web Servicesשירותי ווב ) 4: פרק 2ספר Platform as a Service (PaaS), Software 5: פרק 2ספר

as a Service (SaaS), and Software plus

Services (S+S)

10

Local clouds, thin clients, and 6: פרק 2ספר

virtualization

11

12 יישומי למידה חישובית בסביבת ענן 13 הצגת פרויקט סופי

בכריית תוכן אינטרנטי סדנא :שם הקורס בעברית

Web Mining Workshop :שם הקורס באנגלית




אור הקורס:ית

הקורס מיועד להעמיק את הידע המעשי בכריית תוכן אינטרנטי ולתרגל כתיבת תוכנה בתחומים אלו.

הנושאים העיקרים כוללים תכנון, עצוב ובניית כלי כרייה, סינון וקטלוג תוכן, שיוך רגשי, חיזוי סדרות

וחדשות. Twitter streaming ,Google Trends זמן ומגמות בעזרת שירותים כגון


התלמידמטרת הקורס לספק ידע מעשי עדכני בשיטות כרית, עיבוד ומידול מידע אינטרנטי. במהלך הורס

לצורך כריית מידע מהאינטרנט. Pythonבשפת מתנסה בפיתוח מעשי עכשווי

תנאי קדם: למידה חישובית 372------ שפות תכנות לניתוח נתונים 372------ עיבוד שפה טבעית 372------


שיעורי בית ופרויקט מסכם 60%מבחן, 40%


1. Mitchell, R., 2018. Web Scraping with Python: Collecting More Data from the

Modern Web. " O'Reilly Media, Inc.".

2. Han, J., Kamber, M., and Pei, J., 2011, Data Mining Concepts and

Techniques, 3rd




Introduction 1

Building web crawlers 2 2-3: פרקים 1ספר

Text mining, preprocessing and 7: פרק 2ספר

normalization

3

Classification and categorization מאמרים שונים

machine learning models

4

TFIDF and document 6-ו 5: פרק 2ספר

classification/categorization

5

Text sentiment analysis 6 מאמרים שונים

Topic modeling 7 מאמרים שונים

Text classification lab 8 מאמרים שונים

Word embedding 9 מאמרים שונים

Predicting the present with Google מאמרים שונים

Correlate and Google Trends

10

RNN and sequence classification 11 מאמרים שונים

Twitter text mining 12 מאמרים שונים

Twitter for business applications 13

נושאים מתקדמים בלמידה לא מונחית שם הקורס בעברית:

Advanced Topics in Unsupervised Learning שם הקורס באנגלית:




תאור הקורס:מונחית וניתוח נתונים מרובי ממדים. החלק הראשון של הקורס ידון -הקורס דן באלגוריתמים ללמידה לא

feature selection ,Gaussian mixture modelsבשיטות המיועדות לטפל בנתונים עתירי ממדים כגון:

matrix factorization, PCA, latent Dirichlet allocation. multidimensional scaling, Isomap,

locally linear embedding החלק השני של הקורס ידון בשיטות לניתוח אשכולות ויכלול את הגישות .(, שיטות מבוססות מודל DBSCANהבאות: שיטות חלוקה, שיטות היררכיות, שיטות מבוססות צפיפות )כגון

בשיטות לזיהוי אנומאליות. ( ושיטות לניתוח אשכולות בגרפים. בסיום נתוןSOM, COBWEB)כגון

מטרות הקורס: שיטות למידה לא מונחית ידועות קורס זה יקנה לסטודנטים היכרות מעמיקה עם

תנאי קדם:



עצי החלטה וניתוח אשכולות 372------


הסופי:הרכב הציון

20% :תרגילי בית 80% מבחן סופי:

הצלחה במבחן היא תנאי למעבר הקורס.

רשימת קריאה )בבליוגרפיה(:1. Liu, H. and Motoda, H., 2012. Feature selection for knowledge discovery and

data mining (Vol. 454). Springer Science & Business Media.

2. Cox, T.F. and Cox, M.A., 2000. Multidimensional scaling. Chapman and

hall/CRC.

3. Cichocki, A., Zdunek, R., Phan, A.H. and Amari, S.I., 2009. Nonnegative matrix

and tensor factorizations: applications to exploratory multi-way data analysis

and blind source separation. John Wiley & Sons.

4. Aggarwal, C.C. and Reddy, C.K. eds., 2013. Data clustering:algorithms and

applications. CRC press.

5. Pacheco E. R., 2015, Unsupervised Learning with R, Packt Publishing;


קריאה נדרשת נושא ההרצאה שבוע מבוא 1 1-4פרקים – 1ספר feature selectionשיטות לבחירת תכונות 2והצגת PCA -ניתוח גורמים ראשיים חזרה על 3

Kernel PCA המאמר:

Abdi. H., & Williams, L.J.

(2010). "Principal component

analysis". Wiley

Interdisciplinary Reviews:

Computational Statistics. 2

(4): 433–459.. Gaussian mixture רביםועמ גאוסינייםמודלים 4

models המאמר:

Press, WH; Teukolsky, SA;

Vetterling, WT; Flannery, BP

(2007). "Section 16.1.

Gaussian Mixture Models

and k-Means Clustering".

Numerical Recipes: The Art

of Scientific Computing (3rd

ed.). New York: Cambridge

University Press

5 multidimensional scaling 6, 4, 2פרקים – 2ספר latent Dirichlet allocationשיטת 6 המאמר: Auto-Encodersושיטות Isomapשיטת 7

Hinton, G.E. and

Salakhutdinov, R.R., 2006.

Reducing the dimensionality

of data with neural

networks. science, 313(5786),

pp.504-507.

3-5פרקים – 3ספר Embedding-ו Matrix Factorizationשיטות 8

שיטות היררכיות לניתוח שיטות חלוקה לניתוח אשכולות 9 אשכולות

4פרק – 4ספר

3פרק – 5ספר ( לניתוח DBSCANשיטות מבוססות צפיפות )כגון 10

אשכולות 5פרק – 4ספר 4פרק – 5ספר

( SOM, COBWEBשיטות מבוססות מודל )כגון 11 לניתוח אשכולות

17פרק – 4ספר שיטות לניתוח אשכולות בגרפים. 12

המאמרים: זיהוי אנומאליות 13Chandola, V.; Banerjee, A.;

Kumar, V. (2009). "Anomaly

detection: A survey". ACM

Computing Surveys. 41 (3):

1–58.

Hodge, V. J.; Austin, J.

(2004). "A Survey of Outlier

Detection Methodologies"

Artificial Intelligence

Review. 22 (2): 85–126.

שיטות מתקדמות בכריית נתונים ומחסני נתונים שם הקורס בעברית:

Advanced Methods in Data Mining and Data Warehousing שם הקורס באנגלית:




תאור הקורס:הנלמדים כוללים סקירה של תחומי מחקר עכשוויים במדעי הנתונים ובינה עסקית, בחירת נושאים ה

מאפיינים, שיטות מתקדמות לבניית עצי החלטה, כריית תזרימי נתונים, כריית נתונים תלויי זמן ומרחב, רו כריית מידע שומרת פרטיות, כריית טקסט ושיטות חישוב "רכות" בכריית נתונים. במהלך הקורס יסק

מודדו עם ניתוחם של פרויקטים בהם ית-התלמידים מאמרים חדשניים בנושאים מחקריים, ויבצעו מיני םנתונים אמיתיי


להציג את הכיוונים המחקריים המרכזיים בתחומים של מדעי נתונים ובינה עסקית.

תנאי קדם: למידה חישובית 372------


כללי: הקורס מבוסס על הרצאות בכיתה וחומר הקריאה. הסטודנטים נדרשים להגיש בזמן פרויקט • מחקר ולהציגו בכיתה. בסוף הסמסטר תינתן בחינה סופית.

נוכחות בכיתה הינה חובה. ניתן להחסיר עד שני מפגשים במהלך הסמסטר תוך מתן הודעה מוקדמת • יון על הנושאים המוצגים בכיתה.למרצה הקורס. התלמיד צפוי להשתתף בד

הגשת פרויקטי מחקר: ניתן להגיש פרוייקטים ביחידים או בזוגות. שני התלמידים שמגישים את העבודה • אחראים על כל חלקיה. במקרה של הפרה משמעתית הקשורה לעבודה, יופנו שני התלמידים לוועדת

המשמעת.של אלגוריתם חדשני לכריית מידע / למידת מכונה. פרויקט מחקר: הפרויקט מיועד למימוש ולהערכה•

פרויקט המוגש על ידי זוג תלמידים צריך לכלול שני אלגוריתמים בעלי מטרה זהה או דומה. לא ניתן להגיש אלגוריתמים הזמינים כקוד פתוח. על כל תלמיד או זוג תלמידים לבחור את נושא הפרויקט ולהגיש

ע הרביעי לסמסטר. ההתמקדות צריכה להיות על אלגוריתמים אותו לאישור המרצה עד סוף השבו שפורסמו בשנים האחרונות. ההנחיות המפורטות תוצגנה בכיתה ובאתר הקורס.

דקות לכל תלמיד. בסוף כל מצגת 10-15 -הצגת פרויקט המחקר בכיתה: משך הצגת הפרויקט יהיה כ • רשים להשתתף במצגת. המצגות יתקיימו במהלך יתקיים דיון של מספר דקות. כל חברי צוות הפרויקט נד

שני המפגשים האחרונים של הסמסטר. הגשת פרויקט המחקר במועד, הצגתו בכיתה, והצלחה הבחינה הסופית נדרשים לצורך מעבר הקורס.•

בחינה סופית. - 50%פרויקט מחקרי, - 50%הרכב הציון:

:(בבליוגרפיהרשימת קריאה )1. Abraham, K. and Horst, B. eds., 2018. Data Mining in Time Series and

Streaming Databases (Vol. 83). World Scientific.

2. Liu, H. and Motoda, H., 2012. Feature selection for knowledge discovery and

data mining (Vol. 454). Springer Science & Business Media.

3. Maimon, O. and Last, M., Knowledge Discovery and Data Mining – The

Info-Fuzzy Network (IFN) Methodology, Kluwer Academic Publishers,

Massive Computing Series, 2000.

4. A. Schenker, H. Bunke, M. Last, A. Kandel, Graph-Theoretic Techniques

for Web Content Mining, World Scientific, Series in Machine Perception

and Artificial Intelligence, Vol. 62, 2005.



סקירה של תחומי מחקר עכשוויים במדעי שונים מאמרים הנתונים ובינה עסקית

1

13 ,11 ,2 ,1פרקים 2ספר

שונים מאמרים

2 בחירת מאפיינים

3פרק – 3ספר

שונים מאמרים

3 שיטות מתקדמות לבניית עצי החלטה

4 כריית תזרימי נתונים שונים מאמרים

5 כריית נתונים תלויי זמן ומרחב 1-5פרקים – 1ספר

6 כריית מידע שומרת פרטיות מאמרים שונים מאמרים, 2-7: פרקים 4ספר

שונים 7 כריית טקסט וכריית תוכן באינטרנט

8-9 שיטות חישוב "רכות" בכריית נתונים שונים מאמרים 10 רפואיים-יישומים ביו שונים מאמרים

11 יישומים ביטחוניים שונים מאמרים

12-13 הצגת הפרויקטים המחקריים

מכריית נתונים לאלגוטרייד שם הקורס בעברית:

From Data Mining To AlgoTrader שם הקורס באנגלית:




תאור הקורס: תוך שימוש בתחום קבלת ההחלטותבתפעול והן כיום עובר לאוטומטיזציה הן ההשקעות הפיננסיות תחום

במגוון רחב של אלגוריתמים בתחום הקורס ידון(. בפרט, AlgoTradeלמסחר )שונים באלגוריתמים י גידור, חיזוי, ההשקעות הפיננסיות, לרבות ניהול סיכונים, הקצאת נכסים, ניתוח סגנון, מסחר דינמ

Data יתוח מערכות פיננסיות המשלבותבפמעשיים הקניית כלים ותמחור אופציה. כמו כן ישלב

Warehousing עם Data Mining.

מטרות הקורס:. במסגרת למסחר אלגוריתםמטרת הקורס היא הקניית כלים אנליטיים ומעשיים הדרושים לצורך פיתוח

או פייתון. Rהקורס התלמידים יפתחו תוכנה למסחר המבוססת על שפת

תנאי קדם: חישוביתלמידה 372------


ניתוח סדרות עתיות וכריית תזרימי נתונים 372------

דרישות הקורס והרכב הציון:ומעלה( בבחינת סוף הסמסטר 56מהציון הסופי. הערה: קבלת ציון עובר ) 50%בחינת סוף סמסטר .1

הינה תנאי לקבלת ציון עובר בקורס.לכל פרוייקט יצוותו סטודנטים שיבצעו חלקים שונים בפרוייקט .בשוק ההוןבשיתוף ביצוע פרויקט .2

בהתאם ללו"ז שייקבע בתחילת הביצוע וההגשה יהיו עד להשלמתו )העבודה תתבצע בזוגות(. הסמסטר.

בקורס הלימוד יספר

1. Bodie, Z., Kane, A., & Marcus, A., 2013, Investments 10th edition.

Irwin/McGraw-Hill.

2. Frost, A.J. and Prechter, R.R., 2005. Elliott wave principle: key to market

behavior. Elliott Wave International.

3. Benninga S., 2014, Financial Modeling, The MIT Press.

פרופסור רפי אלדור אופציות, חוזים עתידים וניהול סיכונים שוק המעו"ף .4

תכנית הקורס

קריאה נדרשת נושא שעור

סקירת שוק ההון בארץ ובעולם. הכרת מגוון ניירות –מבוא 1הערך, סוגי קרנות נאמנות, קרנות גידור, תעודות סל

וההבדל בין קרן לתעודה סל. אינדקסים חשובים, תפקידי שוק ההון.

4-1: פרקים 1ספר

אלגוריתמים אלגוריתמים לבחירת מנייה/ מדד. סקירת 2 קיימים לבחירת מניות, קרנות נאמנות, ותעודות סל

5פרק - 1ספר

אלגוריתמים במודל (. Iאלגוריתמים לבניית תיק השקעות ) 3 .CAPMמרקוב , בחירת תיק השקעות אופטימלי ע"פ מודל

9- 8פרקים - 3ספר

(.IIאלגוריתמים לבניית תיק השקעות) 4

Mean –Giniה מודלים לחישוב התפלגות נורמלית, מודל שילוב יישומיים לחישוב סטיית תקן לתיק ההשקעות , ,

לתיק ההשקעות, ומונטה Varמקדם דעיכה, מודל מודל קרלו.

פקודות מסחר באלגוטרייד וכלים בפיתוח מערכת 5Algotrade ,פקודות מסחר :Stop loss,Split

1-4פרקים : 2ספר

של מניות/ מדדים. מודלים אלגוריתמים לניתוח טכני 6לאבטראג', ניתוח טכני, מודלים בתזמון השוק, ממוצע נע,

תיקון פיבונאצ'י,

למסחר סחורות בבורסה. מודלים לאסטרטגית אלגוריתמים 7השקעות, שילוב אופציות הגנה באלגוטרייד, מסחר מטבעי ,

סחורות , הגנות על התיק.

4,5,9,11פרקים : 4ספר

שיטות כריית נתונים לתחום הפיננסים. פתרון בעיות 8-9פיננסיות באמצעות ניתוח אשכולות , עצי החלטה, רשתות

עצביות.

סימולטור לבחירת מדדים 10

11-12: פרקים 1ספר Algotradeסימולטור ל 11

24וכן פרק

הצגת הפרויקטים. 12-13

תכנון והסק תלוי זמן במערכות מידע רפואיות שם הקורס בעברית:

Planning and Temporal Reasoning in Medical Information Systems שם הקורס באנגלית:

5609-2-372 :מספר הקורס

ש"ש 3: סה"כ . 3הרצאה: מבנה הקורס:

3 זכות:נקודות

תיאור הקורס

דע רפואיות. בין נושאי המחקר התיאורטיים והמעשיים העקריים במערכות לזמן חשיבות רבה במערכות מימידע רפואיות נכללים ייצוג, תחזוקה, תשאול והסקה מנתונים רפואיים תלויי זמן. דוגמאות לשימוש בהיסק

רפי תלוי זמן ברפואה כוללות אבחון, ניטור חולים, תכנון וביצוע טיפולים רפואיים, וכן סיכום, הצגה וניווט ג בבסיסי נתונים המכילים כמויות רבות של נתונים קליניים תלויי זמן.

הקורס יסקור בקצרה את נושא החשיבה על זמן בפילוסופיה, בלשנות, מדעי המחשב ובינה מלאכותית. לאחר

זמן ברפואה. הקורס ידון בשתי -מכן הוא יתמקד במאמצי מחקר בנושאי עיצוב ופיתוח מערכות מידע תלויות( הסקה על זמן, התומכת במשימות היקש שונות, כגון תמיכה בהחלטות קליניות 1ימות עיקריות: )מש

אחזור נתונים קליניים בעלי זמן, משימה הדורשת טיפול באחסון ו( תחזוקת מידע תלוי 2זמן; )-מבוססותיניים גולמיים ממדים שונים של זמן. הקורס ידון במשימות אופייניות כגון הפשטה של נתונים נתונים קל

, תכנון תלוי זמן מידעוחקירת וביטויים במונחים קליניים ברמה גבוהה יותר. יוצגו בו יישומים כגון הדמית ואמדן איכות, וכיצד יישומים אלו משתמשים במערכות היסק ובמערכות מבוסס קווים מנחים קליניים טיפולים

תחזוקה תלויות זמן.

מטרת הקורסשנים אחרונות, עם 55 -דנטים את עיקרי התובנות שהשיג המחקר בהיסק תלוי זמן במהלך כלהציג לפני הסטו

דגש על יישומים ברפואה לניתוח נתונם תלויי זמן ולתכנון טיפול רפואי לאורך זמן. הקורס גם יתמקד בהצגה וניתוח של מספר מערכות מחקריות ויישומיות מהשנים האחרונות.

תנאי קדם: . ם; מבוא לבינה מלאכותיתבסיסי נתוני

דרישות הקורס והרכב הציון חובה לעבור את הבחינה כדי לעבור את הקורס. .מהציון 70%: בחינה סופית

מהציון. 30%רגילים: ת 6

: רשימת קריאה

ספרי חובה 1. Combi, C., Keravnou, E., and Shahar, Y., 2010, Temporal Reasoning in

Medicine. Springer-Verlag, New York.

2. Zaniolo, c., Ceri, S., Faloutsos, C., Snodgrass, R., Subrahmanian, V.S., and

Zigari, R,, 1997, Advanced Database Systems. Morgan Kaufman.

3. Russell S. & Norvig P., 2010, Artificial Intelligence: A Modern Approach.

3rd Edition. Pearson

מרים נוספים שחובה לקרואמא

מאמרים רבים מהספרות המדעית הם חלק בלתי נפרד מהקורס ותינתן הפניה אליהם במהלך הקורס.

תתכן הפניה למאמרים נוספים במהלך כחלק מתכנית השיעורים והקריאות. מצויניםהמאמרים רוב

הקורס, למשל לצרכי הצגת מאמרים בכיתה.

לכל אחד מהם )חלק מהנושאים עשויים להתפרש על יותר ממפגש אחד והקריאה הנדרשת תכנית המפגשים ולהפך(:

[.optional, למעט כאלו שמסומנות כרשות ]חובה: כל המקראות הן הערה


השיעור

2-3פרקים -1ספר

1 מבוא להסק תלוי זמן ושימושים בבלשנות

2פרק – 1ספר

2 ת.ן ושימושים בבינה מלאכותימבוא להסק תלוי זמ

5פרק – 1ספר

הסק תלוי זמן במערכות רפואיות

3-4

5 בסיסי נתונים טמפורליים 4-5פרק – 2ספר

6 מסגרות ואונטולוגיות 12פרק – 3ספר

ייצוג ידע ורכישת ידע 12פרק -3ספר

7

אבסטרקציה מבוססת זמן

8

9 אינטגרציה של מדדי זמן

10 כות לכריית נתונים טמפורלימער

11 תכנון תוכנית טיפולים מונחה זמן 7פרק – 1ספר

12-13 שיטות להערכת תוכנית טיפולית 7פרק – 1ספר

נושאים נבחרים בבינה מלאכותית שם הקורס בעברית:

Selected Topics in Artificial Intelligence שם הקורס באנגלית:





בבינה מלאכותית ובקשר שלהם לשיטות הקלאסיות. עיקר נבחרים \בקורס אנו נעסוק בנושאים מתקדמיםהלימוד יתבסס על מאמרים שהתפרסמו בכתבי עת וכנסים בתחום. אופי הקורס יהיה אינטראקטיבי עם

דיונים משותפים והעלאת רעיונות.

מטרות הקורס:למחקר להעשיר את הידע של התלמידים בתחום הבינה מלאכותית ולחשוף אותם בפני בעיות פתוחות

בתחום.

תנאי קדם: מבוא לבינה מלאכותית 372------

הציון: הרכבדרישות הקורס ו( . 20%ם )ם ובה סקירת ספרות של נושא מסוי( מתן הרצאה וכתיבת עבודת סיכו10%נוכחות בקורס, )

(.70%על כל הנושאים שנלמדו ) מבחן מסכם

בתחום הבינה המלאכותית, אשר התפרסמו בכל שנה יפורסמו באתר הקורס רשימת מאמרים עכשווית Artificial Intelligenceאו בכתבי העת: AAAI, IJCAI, AAMAS באחד מהכנסים הבאים:

Journal (AIJ), Journal of Artificial intelligence Research (JAIR על כל סטודנט לבחור את המאמר להצגה.


1) Russell S. & Norvig P., 2010, Artificial Intelligence: A Modern Approach. 3rd

Edition. Pearson

2) Ghallab, M., Nau, D. and Traverso, P., 2004. Automated Planning: theory and

practice. Elsevier.

3) Edelkamp, S. and Schroedl, S., 2011. Heuristic search: theory and

applications. Elsevier.



3פרקים נבחרים מספר ומאמרים נבחרים

מתקדמים םחיפושי

1

ופרקים נבחרים מאמרים נבחרים 2מספר

תכנוןנושאים מתקדמים ב

2

:המאמרG.M.J.B. Chaslot; M.H.M.

Monte-Carlo Treeשיטות הסתברותיות )

Search)

3

Winands; J.W.H.M.

Uiterwijk; H.J. van den

Herik; B. Bouzy (2008).

"Progressive Strategies for

Monte-Carlo Tree Search"

New Mathematics and

Natural Computation. 4

(3): 343–359.

(Local Searchחיפושים לוקליים ) 9פרק – 3ספר םוחיפושים מבוזרי

4

5 ודאות-חיפוש תחת אי מאמרים נבחרים

6 בינה מלאכותית ברשתות חברתיות מאמרים נבחרים

7 מציאת מסלולים בגרפים דינאמיים 17פרק – 3ספר

בתחום הבינה םהצגות מאמרים עכשוויי המלאכותית

8-13

שיתוף פעולה בבינה מלאכותית שם הקורס בעברית:

Collaboration in Artificial Intelligence שם הקורס באנגלית:




תאור הקורס:הבינה מלאכותית ליצירת שיתוף פעולה יעיל בין סוכנים קורס זה סוקר מודלים ואלגוריתמים מתחום

(agents הפועלים בעולם. בפרט, נתמקד בשלוש סוגי שיתוף פעולה: מציאת מסלולים לקבוצת רובוטים )כך שלא יתנגשו, בניית תוכנית פעולה לקבוצת סוכנים כדי להשיג מטרה משותפת, ובניית תוכניות

דאות לגבי השפעת פעולות הסוכנים על העולם ואי וודאות לגבי דיוק וו-וביצוען במתארים שבהם קיים איהתצפיות שמתקבלות על ידי הסוכנים. בנוסף, נבצע סקירה ביקורתית של יישומים של מערכות בהם קיים

של יישומים תוהכישלונושיתוף פעולה בין מכונות, תוך ניתוח הסיבות )טכנולוגיות וכלליות( להצלחות אלו.

קורס:מטרות הלמודלים שונים של תכנון ולמידה במתאר הכולל מספר סוכנים. בפרט, התלמיד יכיר את ףייחשהתלמיד

המודלים השונים, ידע כיצד להתאים מודל לבעיה נתונים, וכן מגוון אלגוריתמים קיימים המתאימים ליצירת שיתוף פעולה אפקטיבי במודלים השונים .

:תנאי קדם

לבינה מלאכותיתמבוא 372------



דרישות הקורס כוללות בוחן, ביצוע פרויקט סיום והצגת מאמר. בנוסף, אני מצפה להשתתפות בפעילה בשיעורים, בדגש על דיונים על מאמרים שנקרא במהלך הסמסטר.

המתבסס על תכני הקורס. הסטודנטים ידרשו להציג את פרויקט הסיום יהיה פרויקט תכנותי או תיאורטי

הפרויקט בכיתה ולהגיש מסמך קצר המסכם את הפרויקט.

מבנה הציון בקורס הציון בקורס יורכב משלושה מרכיבים:

20% –בוחן אמצע .1

30% –השתתפות פעילה והצגת מאמר )בדגש על הדיונים על המאמרים שנקרא( .2

50% -פרויקט סיום .3

:(בבליוגרפיהקריאה )רשימת

1. Russell S. & Norvig P., 2010, Artificial Intelligence: A Modern Approach. 3rd

Edition. Pearson



השיעור

( בבינה מלאכותית, agentמבוא. הגדרת המונח סוכן ) 10.1פרק אתגרים הקיימים ביצירת שיתוף פעולה אפקטיבי בין

סוכנים.

1

מציאת מסלולים למספר סוכנים. סקירה על שיטות 10.2פרק מבוססות חיפוש, שיטות מבוססות סיפוק אילוצים,

ושיטות המבוססות על הגדרת חוקי תנועה ועל combinatorial auctions.

2-3

multi-agentתכנון קלאסי למספר סוכנים. מודלי 11.2-ו 11.1פרק

STRIPS . ואלגוריתמי תכנון ריכוזיים ומבוזרים 4-5

מודלים מרקוביים לתכנון לקבוצת סכנון נוכח אי 17.2-ו 17.1פרק . Multi-agent MDPוודאות, כגון

5-6

לתכנון נוכחי אי וודאות ותצפיות מודלים מרקוביים 17.4-ו 17.3פרק , Decentralized POMDPרועשות, כגון

ואלגוריתמים לפתרון בעיות אלו.

6-8

למידה כאמצעי ליצירת שיתוף פעולה אפקטיבי בין מאמרים שונים-Multiסוכנים. כולל מודלים ואלגוריתמים שונים ל

agent reinforcement learning

9-10

לים תיאורטיים ליצירת שיתוף פעולה, כולל מוד מאמרים שוניםSharedPlans, Joint Intentions וכן מודלים

המתחשבים בידע חלקי של הסוכנים האחרים כגון interactive POMDP ו- Probabilistic Recipe

Tree .

11

12 בוחן 13 הצגת פרויקטים

שם הקורס בעברית: תורת המשחקים ובינה מלאכותית

Game Theory and Artificial Intelligence שם הקורס באנגלית:




תאור הקורס:ואלגנטית( לתיאור קבלת החלטות במצבים אסטרטגיים. )פשוטה תורת המשחקים היא שפה מתמטית

: סוכנים ממוחשבים שמנהלים נה יש ישומים רבים של תורת המשחקים הודות לבינה מלאכותיתלאחרו, חלוקה צודקת של ירושה או של אלגוריתמים לבדיקה של חשודים בשדה תעופהמסע ומתן עם אנשים,

ושוק התאמה של כליות לחולים. שכר דירה,

מטרות הקורס:לקורס שלוש מטרות: ראשית, להציג את הבסיס של תורת המשחקים. נראה שיש מצבים מפתיעים שבהם לתכונות אנושיות כמו הצהרת כוונות, איומים ואפילו לשקר יש ביטוי בתורת המשחקים. שנית, להבין את

בני אדם ולא רק מחשבים! האתגרים שנובעים מהשילוב של תורת המשחקים בחיים האמיתיים, שכוללים נדון בהיבטים האתיים של שנובעים משילובם של מחשבים בקבלת ההחלטות שלנו. קרא מאמרים בתחום מבינה מלאכותית. שלישית, לתכנן ניסוי או תכנית שתבדוק רעיון או הנחה מתורת המשחקים במעבדה עם

מלאכותית, כלכלה ופסיכולוגיה. אנשים. הקורס הוא בינתחומי ומשלב נושאים ממדעי המחשב, בינה

תנאי קדם: מבוא לבינה מלאכותית 372------


פרויקט גמר )תכנון, תכנות של ניסוי ובדיקה במעבדה או בתיאוריה, כולל הצגת 60%הציון מורכב מ השתתפות בכיתה ומטלות בית. 20%בוחן אמצע, 20%נושא וסקר ספרות( ,


1. Shoham, Y. and Leyton-Brown, K., 2008. Multiagent systems: Algorithmic,

game-theoretic, and logical foundations. Cambridge University Press.

2. Maschler, M., Solan, E. and Zamir, S., 2013. Game Theory (Translated from

the Hebrew by Ziv Hellman and edited by Mike Borns).



Distributed Constraintבעיות מסוג 1פרק – 1ספר

Satisfaction 1

2 אופטימיזציה מבוזרת 2פרק – 1ספר

3פרק – 1ספר

2פרק – 2ספר שיתופית. -מבוא לתאורת המשחקים הלא

Normal Formמשחקים מסוג 3

4פרק – 1ספר 3-4פרקים – 2ספר

Normalפתרון ממוחשב למשחקים מסוג

Form 4

5פרק – 1ספר 3-4פרקים – 2ספר

משחקים עם פעולות רצופות עבור משחקים Extensive Formמסוג

5

יותר: מעבר לצורות ייצוגים עשירים 6פרק – 1ספר הרגילות והרחבות

6

7 למידה והוראה 7פרק – 1ספר

8 תקשורת 8פרק – 1ספר 9 וסיכום העדפות Social Choise 9פרק – 1ספר פרוטוקולים לסוכנים אסטרטגיים: תכנון 10פרק – 1ספר

מנגנון10

Multiagent 11פרוטוקולים הקצאה משאבי 11פרק – 1ספר צוותים של סוכנים אנוכיים: מבוא לתורת 12פרק – 1ספר

המשחקים הקואליציונית12

יישומים של תורת המשחקים בבינה מאמרים שונים מלאכותית

13

מודלים סטוכסטים בחקר ביצועיים שם הקורס בעברית:

Stochastic Models in Operation Research שם הקורס באנגלית:


ש"ש 4סה"כ: , ש"ש 1ש"ש, תרגיל 3הרצאה: מבנה הקורס:

נק"ז 3.5 נקודות זכות:

תאור הקורס:את מושגי היסוד של תורת התהליכים . הקורס יציג עוסק בבנית מודלים מתמטיים של מערכות סטוכסטיות קורסה

תהליכי קפיצה מרקוביים )תהליכי לידה ומוות, תהליכי , רקוב, תהליכי פואסון והכללותיהםשרשרות מ ובפרט: הסטוכסטיים Hidden Markovמן אמת ומודלים חישוביים תלויי זמן )מידול תכנותי של תהליכי ז. כמו כן נדון בתורים מרקובים וכו'(

Model.)

הרעיון של שרשרות במהלך הקורס מוצג ודאות.-תהליכים המתרחשים בתנאי איידע על להעניקהקורס מטרות הקורס:. ידע זה (‎אקספוננציאלית התהליך האקראי הפואסוני והקשר בין ההתפלגות הפואסונית להתפלגות המעריכית )מרקוב ו

חישובי אורך )כולל תוריםתורת ה של נדון במושגים בסיסים מנת להרחיב את שרשראות מרקוב ולשבצן בזמן. -משמש על(. משטרי תורים שונים וברשתות תורים , והכרות עםובמערכת, עלויות ונצילות המערכת תור ממוצע, בזמני שהייה בתור

לסיום נדון במודלים חישוביים תלויי זמן.

תנאי קדם: לתלמידי הנדסת נתוניםמבוא לתכנות -----372

מבוא להסתברות וסטטיסטקה 37211021 אלגברה לינארית 20119321

מתמטיקה דיסקרטית למהנדסי נתונים ------201


.10%במהלך הקורס יינתנו עבודות בית שמשקלן .1

יש לעבור את הבחינה כדי לעבור את הקורס.. 90%במסגרת הקורס תתקיים בחינה סופית שמשקלה יהיה .2


1. S.M. Ross, Introduction to Probability Models, 11th ed .Academic Press, 2014‎. תכנית המפגשים:

קריאה נדרשת נושא השיעור מס' שיעור

אין קריאת חובה שרשראות מרקוב 1-2

אין קריאת חובה התפלגות אקספוננציאלית ותהליך פואסון 3-4

אין קריאת חובה שרשראות מרקוב משובצות בזמן 6-8

אין קריאת חובה תורת התורים 9-11

מודלים חישוביים ומידול תכנותי של תהליכי זמן אמת 12-13 (.Hidden Markov Modelתלויי זמן )

קריאת חובה אין

Documents

º©¸ °©¬ ¤¸¡¢¬ · 3) Guttag, J., 2016. Introduction to Computation and Programming Using Python: with Application to Understanding Data . MIT Press. 4) %ORRPILHOG 9 $ 8VLQJ5IRUQXPHULFDODQDO\VLVLQVFLHQFHDQG