למידה עמוקה והבנת תמונות

המהפכה הגדולה של הבינה המלאכותית משנה מושכלות יסוד כמעט בכל תחום בחיינו ומתקדמת בקצב מהיר לעבר יכולות אינטליגנטיות הדומות לאלו של האדם. מהפכה זו נשענת על גישה חישובית של למידה מבוססת דוגמאות, המיושמת באמצעות מודלים של רשתות נוירונים מלאכותיות - גישה הידועה בשם למידה עמוקה (Deep Learning) . בקורס זה נעסוק ביסודות התיאורטיים והיישומיים של למידה עמוקה בהקשר של הבנת מידע ויזואלי וטקסטואלי. נלמד על מגוון ארכיטקטורות של רשתות לימוד עמוקות ועל השיטות המקובלות לאמידת הפרמטרים שלהן באמצעות דוגמאות אימון. בהמשך, נתמקד בארכיטקטורות של רשתות קונבולוציה (Convolutional Neural Networks), המתאימות במיוחד ליישומי עיבוד תמונה, וברשתות טרנספורמרים (Transformers), המיועדות לעיבוד טקסט ולסדרות עתיות. נדגים את השימוש בלמידה עמוקה לפתרון בעיות קלאסיות, כגון: איתור ומיקום עצמים בתמונות, סגמנטציה של תמונות, זיהוי פנים, יצירת ייצוגים דחוסים באמצעות Autoencoders, ויצירת תמונות חדשות באמצעות רשתות ומודלים גנרטיביים. הקורס ישלב תרגילי תכנות בשפת Python, שבמהלכם הסטודנטים יממשו רשתות לימוד עמוקות ויאמנו רשתות קיימות לפתרון בעיות שונות. בסיום הקורס יתקיים מבחן מסכם. הקורס פתוח לתלמידי תואר שני ותלמידים מצטיינים (ממוצע מעל 80) בשנה השלישית של התואר הראשון.