הצעד הראשון בדרך להגשמת חלומות מתחיל כאן!

ללמוד אצלנו   קורסי הלימוד

רשימת הקורסים

נקה
  • מדעי המחשב .M.Sc

  • ארכיטקטורות מחשבים מתקדם

    מדעי המחשב .M.Sc | חובה
    קוד הקורס: 10251031
    שם המרצה: ד"ר מרטין לנד
    דרישות קדם: ארכיטקטורות מחשבים
    נקודות זכות: 3

    3 שעות שבועיות:

    ארכיטקטורה היא התחום במדעי המחשב שמספק את הפלטפורמה למימוש מעשי של חידושים בתכנות ואלגוריתמים. אחרי חזרה קצרה על נושאים מקורס הבוגר בארכיטקטורה של מחשבים, הקורס מציג שיטות עדכניות לשיפור ביצועים: מעבדי superscalar ו- instruction level parallelism, חיזוי התנהגות פקודות סיעוף (branch prediction), מטמון זרימות (trace caching), מעבדים רבי-ליבות ו- thread level parallelism, תמיכה בתכנות מקבילי.

  • הנדסת תכנה

    מדעי המחשב .M.Sc | חובה
    קוד הקורס: 10251041
    שם המרצה:
    נקודות זכות: 3

    3 שעות שבועיות :

    הבנת הישום של הנדסת תוכנה בפרויקטי תוכנה. הקמת מסגרת העבודה של פרויקט. מהלך ביצוע פרויקט תוכנה משלב תכנון ועד שלב סיום, הלכה למעשה. העמקה בניתוח תהליכי ושלבי הפיתוח השונים והיחסים ביניהם. פרוט הפעולות התומכות בפרויקט (מדידות, ניהול סיכונים, ניהול איכות ועוד) .נתוח והשוואה בין שיטות ניהול קלאסיות ומודרניות שונות תוך הבנת היתרונות והחסרונות של כל אחת מהן והשילוב ביניהן.

     

  • ניתוח ועיצוב מונחי עצמים

    מדעי המחשב .M.Sc | חובה
    קוד הקורס: 10251041
    דרישות קדם: תכנות מונחה עצמים
    נקודות זכות: 3

    3 שעות שבועיות הרצאה:

    מטרת הקורס להקנות ידע, הבנה מעמיקה וטכניקות לניתוח, עיצוב ואימות של מערכות תוכנה מונחות עצמים מורכבות. הקורס יכלול לימוד עקרונות ניתוח ועיצוב, תבניות עיצוב, עיצוב-על ומפורט ולימוד שיטות מודרניות לאימות מערכות תוכנה מרמת היחידה עד לרמת המערכת, כולל שיטות פורמליות ולא פורמליות.

  • סיבוכיות חישובית

    מדעי המחשב .M.Sc | חובה
    קוד הקורס: 10251161
    דרישות קדם: אוטומטים ושפות פורמליות, חישוביות ומורכבות החישובים
    סמסטר ב'
    יום ושעה: חמישי , 14:00-18:00
    נקודות זכות: 3

    3 שעות שבועיות הרצאה:

    מטרת הקורס הינה הכרת הסוגיות הבסיסיות והתוצאות המרכזיות בתורת מורכבות החישובים, בדגש על מיון מטלות חישוביות לכאלו הניתנות או שאינן ניתנות למימוש יעיל. הנושאים העיקריים בקורס: סיבוכיות מקום, ההירארכיה הפולינומיאלית, סיבוכיות של מעגלים, חישובים אקראיים, הוכחות אינטראקטיביות, משפט ה- PCP ו- Average-Case Complexity.

  • פרוטוקולים ורשתות מחשבים

    מדעי המחשב .M.Sc | חובה
    קוד הקורס: 10251171
    שם המרצה: ד"ר מרטין לנד
    דרישות קדם: אלגוריתמים, מערכות הפעלה, תקשורת מחשבים
    סמסטר א'
    נקודות זכות: 3

    3 שעות שבועיות הרצאה:

    הבנת המטרות, הטכנולוגיות, האלגוריתמים, הפרוטוקולים, והמערכות של תקשורת מחשבים ושל internetworking, עם דגש על קריאה במאמרים מהספרות האקדמי ו- Standards Documents והבנת שיטות לניתוח ביצועים ועיצוב רשתות. חומר קריאה לקורס יישאב ממאמרים על מחקר, "קלסיים" וחדשניים, ו- RFCs. דרך הגשת תרגילי סימולציה הסטודנטים יכירו כלים למחקר על רשתות ולהבנת פעולתם. דרך הגשת יישום Java התלמידים יכירו היטב מהלך פרוטוקול.

  • פרויקט גמר - מדעי המחשב

    מדעי המחשב .M.Sc | חובה
    קוד הקורס: 10251271
    דרישות קדם: סיום הקורסים בתוכנית התואר השני
    נקודות זכות: 10

    20 שעות שבועיות :

    הסטודנטים יגדירו נושאים לפרויקטים מחקריים תחת הנחיה אקדמית של חברי הסגל. נושאי הפרויקטים יכולים להיות תיאורטיים או יישומיים. ניתן להשתמש גם בהנחיה נוספת של חוקרים חיצוניים (מהאקדמיה או מהתעשייה). לוח הזמנים של כל פרויקט ייבנה במשותף על-ידי הסטודנט ועל-ידי המנחה האקדמי.

     

  • מערכות לומדות

    מדעי המחשב .M.Sc | בחירה
    קוד הקורס: 110208243
    דרישות קדם: אלגברה ליניארית א'+ב', חדו"א א'+ב'
    סמסטר א'
    יום ושעה: חמישי , 14:00-17:00
    נקודות זכות: 3

    מה היא למידה? מה הן מערכות לומדות? האם מכונה יכולה ללמוד ואילו מושגים ניתנים ללמידה? כיצד ניתן ללמד מכונה? באילו שיטות ועבור אילו בעיות?

    בשנים האחרונות הודגם שלא רק שמכונות יכולות ללמוד, אלא שזהו כלי חיוני מאין כמוהו לטיפול בבעיות סבוכות ובגודש המידע המציף אותנו. מערכות אוטומטיות הלומדות לזהות דפוסים משמשות כיום מרכיב חשוב במגוון עצום של תחומים וישומים.

    בקורס נציג את תחום המערכות הלומדות ואת הקשר שלו לתחומים אחרים. נלמד דרך דוגמאות מעשיות את הנושאים הבאים:

    רגרסיה: התאמת מודל לנתונים. שיטות מינימום שגיאה ריבועית. Support Vector machines. זיהוי – detection (האם בתמונה נמצאים פנים? היכן?)  recognition (מהו האוביקט הנמצא בקלט, האם זהו אדם?)  identification, individualiztion (מי החתול הזה? האם זה מיצי?), למידה מונחית – supervised learning. סיווג – classification (האם הקלט המוגש שייך לקבוצה זו או אחרת, האם זה תפוח או תפוז?)  שיטת השכן הקרוב, סיווג בייס נאיבי, עצי החלטה. רשתות עצבים מלאכותיות. למידה בלתי מונחית – unsepervised learning. ניתוח אשכולות – clustering. הפחתת מימדים – dimensionality reduction. למידת חיזוק – reinforcement learning. מודלים להערכת התפלגויות - Probabalistic graphic models. אלגוריתמים גנטיים. ספריות תוכנה ובהן כלי Matlab ו Python (scikit-learn) המממשים מערכות לומדות. בקורס ינתן דגש על למידה אוטומטית מתוך מידע ביורפואי לצרכי זיהוי, אפיון, ניתוח והערכה של המידע.

  • סמינר אינטראקציה אדם מכונה

    מדעי המחשב .M.Sc | בחירה
    קוד הקורס: 10251291
    נקודות זכות: 2

    2 שעות שבועיות בהנחיה:

    נדון במערכות אינטראקטיביות, ונציג את תחומי המחקר הנוכחיים והעתידיים של טכניקות העיצוב, בניה, והערכה של ממשקי משתמש. הנושאים הנלמדים: שמע (audio), דיבור, toolkits ,ממשק המשתמש מולטי-מודל; שיטות עיצוב, שיטות הערכה,מחשוב בכל מקום (ubiquitous computing); ממשקים מוחשיים (haptic interfaces); ממשקים מבוססי מחווה; מערכות וחברתיות ,התנהגויות, הבטחה ושימוש במערכות ניידות.

    הנושאים כוללים: ‏ממשקים ‏וטכניקות אינטראקציה, ‏תהליכי עיצוב פיתוח והערכה, ‏כלי תכנות לפיתוח ממשקים, ממשקים מבוססי מחווה, אודיו, וחיישנים שונים, ממשקים למערכות ניידות, מערכות חברתיות, תפוסי התנהגות ואיסטרטגיות, Human ,behavior mining אימות ופרטיות, אבטחה במערכות ניידות.

  • חישוב קוגנטיבי: ארכיטקטורות מחשבים ותכנות בהשראת המוח

    מדעי המחשב .M.Sc | בחירה
    קוד הקורס: 110251371
    דרישות קדם: מבוא לתכנות מונחה עצמים והנדסת תוכנה, ארכיטקטורות מחשבים
    סמסטר א'
    יום ושעה: שישי , 8:00-11:00
    נקודות זכות: 3

    חישוביות המבוססת על ארכיטקטורת פון נוימן עומדת בשנים האחרות בפני מגבלות יסודיות. מכיוון שכך, רשתות נוירונים מלאכותיות מושכות תשומת לב הולכת וגוברת. בבסיסן עומדת המטרה לבנות מכונות העולות ביכולתן החישובית על זו של המוח, עם היבטים מסויימים של קוגניציה. פרדיגמה חישובית שכזו פותחה בין השאר על ידי IBM. IBM פיתחה את השבב SyNAPSE, הבנוי ממספר חסר תקדים של 1,000,000 נוירונים ו-256,000,000 סינפסות. זהו השבב הגדול ביותר שפיתחה IBM - הוא בנוי מ-5.4 מיליארד טרנזיסטורים המרכיבים 4,096 ליבות נוירו-סינפטיות והוא צורך 70mW (סדרי גודל פחות משבבים מסורתים). כחלק ממערכת אקולוגית מקיפה המשלבת חומרה קוגנטיבית ותוכנה, הטכנולוגיה פורצת גבולות בכל הקשור לחישוב מבוזר ופיתוח מחשבי על. בקורס זה נלמד את יסודות המחשוב הנוירו-מורפי, תוך התמקדות במודלים אנאלוגים ודיגיטאלים לליבות נוירו-סינפטיות, פרדיגמות תוכנה חדשות לחישובים קוגניטיביים, ואלגוריתמים ויישומים לרשתות של ליבות-סינפטיות. הקורס אינו דורש ידע מוקדם בהנדסת חשמל או בנוירוביולוגיה, אך מן הסטודנטים תידרש מידה ניכרת של גמישות מחשבתית וסקרנות להתעמק ולו במעט בנושאים הללו.

  • למידה עמוקה

    מדעי המחשב .M.Sc | בחירה
    קוד הקורס: 110255211
    דרישות קדם: אלגברה ליניארית א'+ב', חדו"א ב'+ג'
    סמסטר ב'
    יום ושעה: שישי , 8:00-11:00
    נקודות זכות: 3

    למידה עמוקה פרצה לתודעה התקשורתית בשנים האחרונות ככלי המחולל העיקרי במהפכת ה AI, אבל למעשה זהו מושג די ותיק. הרעיון ומימושיו עולים ופורחים כעת בגלל שלושה גורמים עיקריים: כמות עתק של נתונים, כח מיחשוב רב ואלגוריתמי למידה המנצלים את שני הגורמים האחרים ביעילות.

    בקורס נציג את תחום הלמידה העמוקה ואת הקשר שלו לתחומים אחרים. נשתמש בכלים עדכניים כדי לבצע משימות שעד לאחרונה נחשבו כשייכות לתחום המדע הבדיוני. נלמד על המגבלות של הכלים והשיטות ונתאר כיווני התפתחות עתידיים.

    נתמקד בהיבטים הפרקטיים של למידה עמוקה:

    איסוף נתונים ומאגרי נתונים קיימים, בחירת מודלים, שימוש במודלים קיימים ובלמידת העברה, שימוש בספריות ומעטפות תוכנה (דוגמתTensorFlow, Theano, Keras, Matlab Neural Network Toolbox ), פתרון בעיות במהלך אימון מודל, מיחשוב ענן, יצוא ושימוש במודל במכשירי קצה שונים ובתנאים שונים.

    בתרגילים ובהדגמות נראה שימוש בפועל בלמידה עמוקה לפתרון של מגוון בעיות כגון: עיבוד טקסט ושפה טבעית, מערכות המלצה, ייצור טקסט על פי סגנון, עיבוד תמונות, חיפוש תמונות, זיהוי סגנון והחלתו בתמונות, ייצור תמונות בעזרת Autoencoders, טיפול באודיו ובמוזיקה, פתרון משחקים ובעיות אחרות בעזרת למידת חיזוק עמוקה.