Software Engineering copy – חממה למהנדסי.ות העתיד

המחלקה להנדסת תוכנה

לימודי הנדסת תוכנה לתואר שני .M.Sc

בואו להעשיר ולחזק את הנסיון והידע המעשי שלכם בהנדסת תוכנה

תוכנית דו שנתית

4 סמסטרים

ימים

שני וחמישי

אחה״צ-ערב

תנאי קבלה

.B.Sc

במקצועות ההנדסה ובמקצועות מדעי הטבע ומתמטיקה

85+

ממוצע ציונים שנתי

הרכב התואר

38 נ״ז

8 נ״ז של פרויקט גמר
12 נ״ז קורסי חובה
18 נ״ז קורסי בחירה

4

קורסי חובה

6

קורסי בחירה

1

פרויקט מעשי

מטרת התואר היא להעמיק ולהרחיב את הידע בתחום הנדסת התוכנה, וכן לחשוף את הסטודנטים למחקרים וטכנולוגיות המתקדמות ביותר בתחום הנדסת התוכנה.

התואר השני כולל בסיס של 4 קורסי ליבה חובה בהנדסת בתוכנה. בנוסף, התואר שם דגש נרחב של יישומיות הנדסית עם דגש למדע הנתונים, Deep Learning ו-Big Data.

כמו כן, קורסים ופרויקטים במגוון נושאים הנדסיים עם מיטב המרצים בתחום וכן שיתוף פעולה והדרכות מעשיות עם חברות הייטק מובילות.

קורסים

השיעורים בתכנית הדו-שנתית הזו (ארבעה סמסטרים) מתקיימים בימי שני וחמישי בשעות אחה״צ-ערב. בכל סמסטר לומדים כ- 3 קורסים.

ממה מורכב התואר?

התואר השני בהנדסת תוכנה שם דגש נרחב של יישומיות הנדסית עם דגש למדעי הנתונים Deep Learning ו-Big Data. ואילו ממש לא רק סיסמאות 🙂 מבין מגוון הקורסים הנלמדים ישנם שני קורסים בנושא Deep Learning אשר כוללים פרויקט מעשי מרצים בעלי נסיון מוכח מהתעשייה והאקדמיה. כמו כן, התואר כולל סמינריון יישומי בשיתוף חברות המובילות בהיי-טק, שם הסטודנטים לומדים שיטות וכלים בהנדסת תוכנה, כלים מתמטיים בהנדסת תוכנה, כלי בדיקות, סימולציות והדמיית נתונים ועוד.

קורסי חובה

התכנית מורכבת מ-38 נ״ז אשר מחולקות באופן הבא:

8 נ״ז של פרויקט גמר בליווי אחד מחברי הסגל הבכיר.
12 נ״ז של קורסי חובה. המורכבים מ-4 קורסי חובה, כאשר כל קורס הינו 3 נ״ז.
18 נ״ז קורסי בחירה, המורכבים מבחירה של 6 קורסים כאשר כל קורס הינו 3 נ״ז.

קורסי בחירה

1. תורת האינפורמציה
2. אלגוריתמים קוונטים
3. יישומים ברשתות נוירונים עמוקות
4. הדמיית נתונים בתהליכי מחקר
5. למידה חישובית

6. עיבוד תמונה
7. אבטחת מידע
8. בדיקות תוכנה
9. ביולוגיה חישובית
10. נושאים מתקדמים ברשתות עמוקות

התואר כולל 4 קורסי חובה:

תיכון מערכות תוכנה

מטרות הקורס	היכרות עם כלים ותהליכים לפיתוח תוכנה שמשמשים את התעשיה וגם את האקדמיה בעזרת עבודה על פרויקט קוד פתוח.
נושאי הקורס	git \| GitHub \| Issues \| Pull Request \| Pages \| Actions \| (GitLab) \| Markdown (journal, issues, etc.) \| Docker \| Testing \| Static analysis \| https://missing.csail.mit.edu/
תוצרי למידה	* Development of a personal open source project

אלגוריתמים מבוזרים

מטרות הקורס	אספקטים תאורתיים ויישומיים של אלגוריתמים מבוזרים ומקביליים. נציג את היסודות לאלגוריתמים מבוזרים המאפשרים חישוביות מבוזרת ומקבילית ונסביר מהם האתגרים העומדים בפני בניית ומימוש מערכת זו. נסקור בפרטים אלגוריתמים ומנגנונים המאפשרים פעולה, חישוב ותכנות במערכות מבוזרות.
נושאי הקורס	נלמד את עיקרי האלגוריתמים במערכות הדורשות מספר גדול מאוד של יחידות (scalability , (זמינות גבוהה של היחידות (availability-high (עם מנגנוני שכפול מידע (replication (עבור אבטחת השירות ובעיית הקונסיסטנטיות הנוצרת. נלמד את עיקרי החישוב המקבילי בסביבה מרובת מחשבים mapReduce ואת הבסיס לתכנות בפלטפורמת Spark לחישוב מקבילי (Python Spark).
תוצרי למידה

כלים מתמטיים בהנדסת תוכנה

מטרות הקורס	אלגברה לינארית מתקדמת, ניתוח תהליכים מקריים, אופטימיזציה ותכנון לינארי. מטרת קורס זה היא לספק לסטודנטים ארסנל של כלים מתמטיים הניתנים ליישום נרחב בתחומים רבים. נתמקד בשלושה נושאים עיקריים: כלים מתקדמים באלגברה לינארית. תכנות לינארי. ניתוח תהליכים אקראיים.
נושאי הקורס	חישוב ערכים עצמיים: מנת ריילי, שיטת ההספק \| אלגוריתם דירוג הדף של גוגל \| נורמות, מוצרים פנימיים, ערכים עצמיים של גרפים ולמה של ערבוב המרחיב \| משפט פירוק הערך הסינגולרי (SVD) \| אלגוריתם הסימפלקס \| דואליות LP ורפיון משלים \| יישומי תכנות ליניאריים נוספים \| תהליכי ברנולי ואי-שוויון בריכוז \| שרשראות מרקוב וזמני ערבוב \| שדות אקראיים של מרקוב \| סקירה והכנה לבחינה.
תוצרי למידה

סמינר בהנדסת תוכנה

מטרות הקורס	הסמינר מכסה נושאים שונים של בניית מערכות וניהול מערכות כגון התקנת מערכות מחשב, אבטחת מחשבים, ניהול נתונים, אבטחת מידע ועוד. לינארי.
נושאי הקורס	סמינר בו הסטודנטים לומדים ומציגים מאמרים חשובים מהשנים האחרונות. כמו כן כולל הסמינר סקירה והצגת טכנולוגיות של חברות הייטק מובילות.
תוצרי למידה

התואר כולל מספר קורסי בחירה:

ביולוגיה חישובית (3 נ״ז, 10554)

מטרות הקורס	להקנות לתלמידים היכרות עם מושגים ביולוגיים ועם עבודה עם מאגרי מידע ביולוגיים. כמו כן, הקורס מקנה יכולות של ניתוח מידע ביולוגיה בעזרת כלים של ביואינפורמטיקה וביולוגיה חישובית
נושאי הקורס	ויזואליזציה של מידע \| מודולים בפיית'ון: biopython, pandas, numpy \| מאגרי מידע וכלים: UCSC Genome Browser, Gencode, RefSeq, GeneBank, Uniprot, Gene Ontology, BLAST o \| פורמטים של קבצים שימושיים בביולוגיה: genbank, fasta o עימוד רצפים (alignment sequence) \| מרחקים בין רצפים ביולוגיים (דנ"א וחלבונים) \| בניית עצים פילוגנטיים
תוצרי למידה	בסיומו של הקורס הסטודנטים יהיו מסוגלים לכתוב תוכנות פיית'ון )Python ) שעושות עיבוד ואנליזה של מידע ביולוגי, וכן ויזואליזציה של הנתונים ושל התוצאות.

הדמית נתונים בתהליכי מחקר ופיתוח (3 נ״ז, 10537)

מטרות הקורס	הקניית כלים להמחשה וויזואלית של נתונים בסביבת מחקר ופיתוח. הקניית כלים לבחינה ביקורתית של הצגה גרפית של נתונים ובחירת הדרך המיטבית להצגה כזאת. התנסות מעשית בכלים שונים להצגת נתונים הן ככלי בתהליך מחקר ופיתוח והן ככלי לדיווח והעברת המידע.
נושאי הקורס	בין נושאי הקורס (אבל לא רק): נתונים, מודלים ומה שביניהם. סוגי הנתונים. השוואת מודל מול תצפית תפיסה חזותית של צורות גיאומטריות. תלת מימד הדמיית נתונים כמותיים ואיכותיים דחיסת מימדים רבים לתוך תמונה דו-מימדית. אינטראקטיביות ו-grammar of graphics מסמכים אינטרקטיביים
תוצרי למידה	בסיום הקורס הסטודנטים יכירו מושגים וכלים בתחום הדמיית הנתונים. ידעו איך להתאים שיטות הדמיה שונות למטלות שונות בתהליך מחקר ופיתוח.

שימוש בסימולציות לניתוח מערכת (3 נ״ז, 10558)

מטרות הקורס	ללמד כלים לבניית מודל סימולציה בדיד בשפת קוד ללמד שימוש בתכנת סימולציה לבניית מודל סימולציה בדיד ללמד אופן שימוש נכון במודל סימולציה ללמד שיטות להשוואה בין החלופות המיושמות באמצעות מודל סימולציה
נושאי הקורס	הגדרת מודל לוגי: שימוש בהתפלגות אמפירית או בשיטת Bootstrap כמקור של נתונים סטוכסטיים להרצת המודל. אופן שימוש בכל סוגי מקור של נתונים כמותיים ב-ARENA. \| בניית מודל סימולציה: שיטת טרנספורם הופכי ושיטת קבלה דחיה לפיתוח אלגוריתם דגימה, שיטה לחילול זרם מספרים אקראיים. \| שימוש במודל סימולציה: תכנון הניסוי וניתוח התוצאות \| שימוש במודל סימולציה: שיטות להשוואת חלופות שונות ושימוש ב-Output Analyzer
תוצרי למידה	בסיומו של הקורס הסטודנטים יהיו מסוגלים: להגדיר מודל לוגי לבניית מודל סימולציה לבנות תכנות אירועים למודל סימולציה בדיד לפתח אלגוריתם דגימת מספרים אקראיים מהתפלגויות לבנות מודל סימולציה באמצעות תכנת סימולציה לתכנן שימוש נכון במודל סימולציה בדיד להשוות בין החלופות המיושמות באמצעות מודל סימולציה

תורת האינפורמציה (3 נ״ז, 10550)

מטרות הקורס	דחיסת נתונים ותקשורת בערוץ רועש הן שתיים מהבעיות החשובות ביותר במדעי המחשב. השאלות הבסיסיות הן: עד כמה ניתן לדחוס נתונים? מהו הקצב המקסימלי שבו ניתן לשלוח מידע? קלוד שאנון, אחד מהאבות המייסדים של מדעי המחשב, פיתח תיאוריה יפה כדי לענות על שאלות אלו, המבוססת על הרעיון של אנטרופית מידע. בקורס זה נלמד על התיאוריה הבסיסית שלו, יישומיה לדחיסת נתונים ותקשורת, וגם נחקור כמה שאלות פתוחות ותחומי מחקר פעילים.
נושאי הקורס	נגדיר את האנטרופיה של משתנה אקראי, ונלמד את תכונותיו הבסיסיות. נרחיב הגדרה זו לקבוצות של משתנים אקראיים נשתמש במושג האנטרופיה כדי לתת גבול עליון כללי לאופן שבו ניתן לדחוס נתונים. אנו נראה כי קודי Huffman מספקים דחיסה כמעט אופטימלית, ונדון בסכימות דחיסה אחרות. נדון בכמה קשרים בין תורת המידע ל-AI. נדון בערוצי תקשורת, ונגדיר את יכולתם. נוכיח כי המספר הממוצע של ביטים שניתן לשלוח בצורה מהימנה בערוץ רועש לא יכול לחרוג מהיכולת שלהם. נגדיר קודים טובים לתיקון שגיאות, ונוכיח שהם קיימים. נדון ביישומים בעולם האמיתי של קודי תיקון שגיאות.
תוצרי למידה

רשתות ניורונים (3 נ״ז)

מטרות הקורס	מערכות לומדות (Machine Learning) מיישמות כלים מתקדמים אלו כדי לפתור בעיות במגוון של תחומים, כולל חיפוש, הבנת תמונה, מיפוי, רפואה, מזל"טים, ותכנות אוטומטית. התפתחויות האחרונות ברשתות עצביות עמוקות קידמו בצורה דרמתית את הביצועים של מערכות זיהוי אלו. קורס זה יצלול לעומק לתוך הפרטים של ארכיטקטורות למידה עמוקות, עם דגש על לימוד מודלים מקצה לקצה ובדגש על סיווג תמונה וראייה ממוחשבת.
נושאי הקורס	בקורס נלמד כיצד לאמן ולייעל רשתות עצביות בסיסיות (FC), רשתות עצביות קונבולוציה (CNN), ורשתות זיכרון ארוכות טווח (LSTM) ועוד. הקורס יועבר תוך שימוש בספרית הלמידה theano/TensorFlow. בקורס נלמד לפתור בעיות חישוביות אשר עד לפני שנים בודדות נחשבו קשות ביותר. בקורס נלמד להעריך טוב יותר את האופי המורכב של האינטליגנציה המלאכותית תוך כדי פתרון של אותן בעיות קשות , בקלות יחסית תוך שימוש בשיטות למידה עמוקות. כמוכן, הקורס ילווה בסקירת המאמרים והעבודות העדכניים בתחום.
תוצרי למידה	מטרת הקורס להקנות לסטודנטים עקרונות בסיסיים בדינמיקה של רשתות נוירונים עמוקות ולצייד אותם בשיטות אנליטיות ונומריות המשמשות לחקר מודלים של רשתות נוירונים עמוקות. בקורס זה, הסטודנטים ילמדו לממש ולדבג ארכיטקטורות למידה כאלו. הקורס מספק מבט מקיף ורחב על שיטות עדכניות בלמידה עמוקה למידע.

בדיקת תוכנה (3 נ״ז, 10094)

מטרות הקורס	להכין את הסטודנטים לעולם האמיתי בהקשר של בדיקות תוכנה. המטרה היא שהמפתחים לעתיד והמהנדסי בדיקות לעתיד ידברו בשפה משותף עם עולם מונחים מוכר.
נושאי הקורס
תוצרי למידה	בקורס זה ילמדו העקרונות התיאורטיים והמונחים הבסיסיים של תחום בדיקות התוכנה.

נושאים מתקדמים ברשתות עמוקות (3 נ״ז, 10556)

מטרות הקורס

הרצאות הקורס יכסו את הנושאים הבאים:

עקרונות ומושגים בסיסיים בבדיקות תוכנה
טכניקות בדיקה סטטיות ודינמיות
בדיקות יחידה (unit test)
סקירות (reviews)
אוטומציה של בדיקות
נושאים נוספים (תכנון בדיקות, בדיקות חוקרות, בדיקות ביצועים, דיווח באגים, ועוד)

נושאי הקורס

תוצרי למידה

עיבוד תמונה (3 נ״ז, 10050)

מטרות הקורס	קורס זה הוא מבוא לתפיסות ולטכניקות הבסיסיות בעיבוד תמונות דיגיטליות בסיסיות ויישומיהם לפיתרון בעיות בחיים האמיתיים. הנושאים שנמצאים כוללים יסודות תמונה דיגיטליים, טרנספורמציות תמונה, שיפור תמונה, שחזור ודחיסה, עיבוד תמונה מורפולוגית, עיבוד תמונות לא לינארי וניתוח תמונות.
נושאי הקורס	יסודות תמונה דיגיטליים \| יסודות תפיסה חזותית \| האור והספקטרום האלקטרומגנטי \| חישה תמונה ורכישה \| דגימה וכימות תמונה \| כמה מערכות יחסים בסיסיות בין פיקסלים \| פעולות לינאריות ולא לינאריות \| שיפור תמונה בתחום המרחבי \| טרנספורמציות בסיסיות בגוון אפור \| עיבוד היסטוגרמה \| יסודות סינון מרחבי \| החלקת מסננים מרחביים \| חידוד מסננים מרחביים \| עיבוד תמונות צבעוניות \| יסודות צבעוניים \| דגמי צבע \| יסודות של עיבוד תמונה בצבע מלא \| טרנספורמציות צבע \| החלקה וחידוד \| פילוח צבע \| פילוח תמונות \| איתור אי-רציפות \| קישור קצה וגילוי גבול \| סף \| פילוח מבוסס אזור \| פילוח לפי קו מורשת מים מורפולוגיים \| עיבוד תמונה מורפולוגית \| התרחבות ושחיקה \| פתיחה וסגירה \| הרחבות לתמונות בגווני מידה אפור.
תוצרי למידה	להסביר כיצד מיוצגים ומניפולציות של תמונות דיגיטליות במחשב, כולל קריאה כתיבה והצגה. לכתוב תוכנית שמיישמת אלגוריתמים בסיסיים לעיבוד תמונה. תיאור המתמטי של טכניקות עיבוד תמונה וידע כיצד לעבור ממשוואה לקוד. להריץ רשתות deep learning בסיסיות

״התואר השני מעשיר את הנסיון המעשי של המהנדסים בתעשייה ומעניק יתרון לבוגרים בהקמת מיזמים, בניהול ובהשתלבות בתפקידים בכירים בתעשייה.״

ד"ר אסף שפנייר

ראש התכנית לתואר שני המחלקה להנדסת תוכנה

נבחרת המרצים שלנו

Dr. Assaf Spanier

medical image processing and computer vision, deep learning and machine learning.

Dr. Noa Cohen

Bioinformatics, Computational Biology, Genetics, Comparative Genomics, Microbial Genetics and Genomics , Data Science , Machine Learning

Dr. Zur Luria

Combinatorics, Probability and Algorithm

Dr. Miriam Allalouf

Storage systems and Big Data, Distributed Internet systems and Algorithms, Computer Networks, Knowledge Repositories and Natural Language Processing

Dr. Avraham Ben-Aroya

Theoretical computer science in general. In particular: pseudorandomness, error-correcting codes, randomness extractors, quantum computing.

Dr. Yehuda Hassin

Algorithms, Molecular Dynamic Simulations and Machine Learning

Prof. Rachel Ben Eliyahu Zohary

Artificial Intelligence, Knowledge Representation, Knowledge Mining, Nonmonotonic Reasoning, Logic Programming

Dr. Shimrit Tzur David

Deep packet inspection, Fast pattern matching: algorithms, hardware based architectures, Software defined networks, Quantum safe privacy and authentication

*ובנוסף, מרצים אורחים מהתעשייה וקהילת ההייטק

תנאי קבלה וקורסי השלמה

בוגרי תואר ראשון ממוסד אקדמי מוכר להשכלה גבוהה, יכולים להגיש את מועמדותם לתוכנית התואר השני בהנדסת תוכנה.

מקצועות רלוונטיים של בוגרי תואר ראשון

בוגרי תואר ראשון עם בסיס מתמטי מובהק, המקנה ידע מעשי משמעותי בתכנות:

מקצועות הנדסה: הנדסת תוכנה, הנדסת מחשבים, הנדסת תעשייה וניהול במגמת מערכות מידע, הנדסת חשמל, והנדסת חשמל ואלקטרוניקה.
מקצועות מדעי הטבע ומתמטיקה: מדעי המחשב, מערכות מידע, מתמטיקה, ופיזיקה.

תנאי סף

מועמד חייב להיות עם ממוצע כללי של כל לימודיו בתואר ראשון של 85 ומעלה.

כחלק מתהליך קבלה לתואר שני בהנדסת תוכנה המועמד חייב להגיש את המסמכים הבאים:

תעודת סיום תואר ראשון ממוסד להשכלה גבוהה מוכר, או מכתב רשמי מן המוסד בו למד, המעיד על זכאותו לקבל תואר ראשון.
תעודת זהות ישראלית או דרכון.
גיליון ציונים רשמי חתום ע"י המוסד בו למד, עם ציוני כל הקורסים שלמד במהלך כל שנות הלימודים.
שני מכתבי המלצה עם תאריך עדכני, של חברי סגל של המוסד בו למד תואר ראשון (בעלי תואר דוקטור לפחות), חתומים ועם דרכי התקשרות (טלפון נייד ודואר אלקטרוני) לממליצים. ניתן להביא מכתב אחד מממונה במקום העבודה העדכני של המועמד.
קורות חיים של המועמד, עם דרכי התקשרות.

תהליך מיון המועמדים

הבקשה לקבלה לתואר שני תידון לאחר הגשת המסמכים כפי שמפורט מעלה.

תשובה סופית תינתן למועמד ע"י מרכז יעוץ ורישום.

קורסי השלמה

לתואר השני מתקבלים בוגרי תואר ראשון ממגוון תחומים. על מנת לוודא שכל מי שמתקבל יהיה מסוגל להתמודד עם תכנית הלימודים, גיבשנו רשימה של ששה קורסי השלמה שכל סטודנט בתוכנית חייב להשלים.

הבהרות:

על מנת לעבור את קורסי ההשלמה, דרוש ציון של 70 לפחות בכל קורס. וממוצע של לפחות 80. במקרה של קורס השלמה אחד נדרש 80 בקורס זה.
ככלל, את קורסי ההשלמה יש להשלים לפני תחילת הלימודים בתוכנית לתואר שני.
ראש התוכנית לתואר שני יכול לפטור סטודנטים מקורסי השלמה מסוימים או לאשר לסטודנטים לקחת קורסי השלמה מסוימים במקביל ללימודים לתואר שני.

קורס מבוא לתכנות (סמסטר א)
קורס תכנות מונחה עצמים (סמסטר ב)
קורס מבנה נתונים (סמסטר ב)
קורס אלגוריתמיקה 1 (סמסטר א)
קורס חישוביות וסיבוכיות (סמסטר ב)

רשימה זאת תתעדכן מעת לעת בהתאם להחלטות מועצת בית הספר להנדסת תוכנה ומדעי המחשב.