medical image processing and computer vision, deep learning and machine learning.
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. | התכנית מורכבת מ-38 נ״ז אשר מחולקות באופן הבא: 8 נ״ז של פרויקט גמר בליווי אחד מחברי הסגל הבכיר. |
קורסי חובה
- אלגוריתמים מבוזרים
- תיכון מערכות תוכנה
- כלים מתמטיים במדעי המחשב
- סמינר בהנדסת תוכנה
- פרויקט גמר
קורסי בחירה
| תורת האינפורמציה אלגוריתמים קוונטים יישומים ברשתות נוירונים עמוקות הדמיית נתונים בתהליכי מחקר למידה חישובית | עיבוד תמונה אבטחת מידע בדיקות תוכנה ביולוגיה חישובית 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 |
A wide range of topics are covered in the course, including: Git – GitHub, Issues, Pull Requests, etc. – Docker | Testing – Static Analysis and Software Design Patterns, as well as a variety of other topics. |
| תוצרי למידה |
בסיום קורס זה, הסטודנט יידע להשתמש ב-Git עבור בקרת גרסאות, ליצור ולפרוס קונטיינרים של Docker, לכתוב בדיקות יחידות ולבצע ניתוח סטטי. הם גם ילמדו דפוסי עיצוב תוכנה שונים ויקבלו הבנה של היישום שלהם. |
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 | בסיום הקורס הסטודנט יוכל לתכנן, לנתח וליישם אלגוריתמים מבוזרים. הבן את הפשרות בין מערכות מבוזרות שונות וליישם את האלגוריתמים הנכונים לבעיה נתונה. נתח את הביצועים של אלגוריתמים שונים המשמשים במערכות מבוזרות. |
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:
|
| 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 |
בסיום הקורס כלים מתמטיים בהנדסת תוכנה – יידע הסטודנט ליישם מושגים מתמטיים לפתרון בעיות הנדסיות. הם יוכלו לנתח ולהעריך אלגוריתמים כדי לקבוע את יעילותם ודיוקם. הם גם יוכלו לעצב אלגוריתמים לפתרון בעיות מורכבות של הנדסת תוכנה. |
סמינר בהנדסת תוכנה
| מטרות הקורס | סמינר בו הסטודנטים לומדים ומציגים מאמרים חשובים מהשנים האחרונות. כמו כן, כולל הסמינר סקירה והצגת טכנולוגיות של חברות הייטק מובילות.. |
| נושאי הקורס |
הסמינר מכסה נושאים שונים של בניית מערכות וניהול מערכות כגון התקנת מערכות מחשב, אבטחת מחשבים, ניהול נתונים, אבטחת מידע ועוד. לינארי. הסמינר בשיתוף חברות הייטק מובילות (מיקרוסופט, אמזון ועוד) בהן הסטודנטים יחשפו ויסקרו נושאים שהן בחזית הטכנולוגיה. |
| תוצרי למידה |
(בנוסף לשיתוף פעולה עם חברת ההיי-טק) עד תום הסמינר להנדסת תוכנה, הסטודנטים יוכלו להציג עבודה אקדמית. |
- תיכון מערכות תוכנה
- אלגוריתמים מבוזרים
- כלים מתמטיים בהנדסת תוכנה
- סמינר בהנדסת תוכנה
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 |
A wide range of topics are covered in the course, including: Git – GitHub, Issues, Pull Requests, etc. – Docker | Testing – Static Analysis and Software Design Patterns, as well as a variety of other topics. |
| תוצרי למידה |
בסיום קורס זה, הסטודנט יידע להשתמש ב-Git עבור בקרת גרסאות, ליצור ולפרוס קונטיינרים של Docker, לכתוב בדיקות יחידות ולבצע ניתוח סטטי. הם גם ילמדו דפוסי עיצוב תוכנה שונים ויקבלו הבנה של היישום שלהם. |
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 | בסיום הקורס הסטודנט יוכל לתכנן, לנתח וליישם אלגוריתמים מבוזרים. הבן את הפשרות בין מערכות מבוזרות שונות וליישם את האלגוריתמים הנכונים לבעיה נתונה. נתח את הביצועים של אלגוריתמים שונים המשמשים במערכות מבוזרות. |
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:
|
| 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 |
בסיום הקורס כלים מתמטיים בהנדסת תוכנה – יידע הסטודנט ליישם מושגים מתמטיים לפתרון בעיות הנדסיות. הם יוכלו לנתח ולהעריך אלגוריתמים כדי לקבוע את יעילותם ודיוקם. הם גם יוכלו לעצב אלגוריתמים לפתרון בעיות מורכבות של הנדסת תוכנה. |
סמינר בהנדסת תוכנה
| מטרות הקורס | סמינר בו הסטודנטים לומדים ומציגים מאמרים חשובים מהשנים האחרונות. כמו כן, כולל הסמינר סקירה והצגת טכנולוגיות של חברות הייטק מובילות.. |
| נושאי הקורס |
הסמינר מכסה נושאים שונים של בניית מערכות וניהול מערכות כגון התקנת מערכות מחשב, אבטחת מחשבים, ניהול נתונים, אבטחת מידע ועוד. לינארי. הסמינר בשיתוף חברות הייטק מובילות (מיקרוסופט, אמזון ועוד) בהן הסטודנטים יחשפו ויסקרו נושאים שהן בחזית הטכנולוגיה. |
| תוצרי למידה |
(בנוסף לשיתוף פעולה עם חברת ההיי-טק) עד תום הסמינר להנדסת תוכנה, הסטודנטים יוכלו להציג עבודה אקדמית. |
התואר כולל מספר קורסי בחירה:*
- רשתות ניורונים עמוקות(3 נ״ז)
- בדיקת תוכנה(3 נ״ז, 10094)
- נושאים מתקדמים ברשתות עמוקות(3 נ״ז, 10556)
- עיבוד תמונה(3 נ״ז, 10050)
- DevOps(3 נ״ז, 10133)
- ביולוגיה חישובית(3 נ״ז, 10554)
- הדמית נתונים בתהליכי מחקר ופיתוח(3 נ״ז, 10537)
- שימוש בסימולציות לניתוח מערכת(3 נ״ז, 10558)
- תורת האינפורמציה(3 נ״ז, 10550)
רשתות ניורונים עמוקות
(3 נ״ז)
| מטרות הקורס | רשתות ניורונים עמוקות 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 Pytorch/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 | עקרונות בדיקה בסיסיים | סקירות | טכניקות בדיקה | בדיקות סטטיות | בדיקות חוקרות | בדיקות יחידה | בדיקות ביצועים | בדיקות אוטומטיות | הגדרת אסטרטגיית בדיקות ותכנון בדיקות | עיצוב בדיקות (test design) הרצאות הקורס יכסו את הנושאים הבאים:
|
| תוצרי למידה | בקורס זה ילמדו העקרונות התיאורטיים והמונחים הבסיסיים של תחום בדיקות התוכנה. |
נושאים מתקדמים ברשתות עמוקות
(3 נ״ז, 10556)
| מטרות הקורס | This course will cover advanced topics in deep learning, including: Generative adversarial networks (GANs) | Transformers | Self-supervised learning | Recurrent neural networks (RNNs) | Introduction to natural language processing (NLP) | ChatGPT |
| נושאי הקורס | Course Schedule: Week 1: Introduction to deep learning Week 2: Convolutional neural networks Week 3: Recurrent neural networks Week 4: Generative adversarial networks Week 5: Transformers Week 6: Self-supervised Learning Week 7: Introduction to NLP Week 8: ChatGPT Week 9: Final project |
| תוצרי למידה | By the end of this course, students will be able to: Understand the key concepts of deep learning, Implement deep learning models in Python, Apply deep learning to solve real-world problems, Stay up-to-date on the latest research in deep learning. |
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 |
|
DevOps
(3 נ״ז, 10133)
| מטרות הקורס | DevOps היא מתודולוגיה של יצירת תרבות בארגונים של תהליכים של פיתוח ושיתוף. מאפשרת יצירת סביבת עבודה של בניית קוד תוכנה, בדיקות ושחרור גרסת תוכנה באופן מתמשך ויעיל. |
| נושאי הקורס |
בקורס נעסוק בפרקטיקה ותיאוריות ע"י ניתוח מצבים אמיתיים מעולם התעסוקה הישראלית מטרות הקורס | הבנה ותרגול בעולם של טכנולוגיה קונטיינרים | DOCKER | הבנה ותרגול בעולם של AWS CLOUD | יצירת תהליך אוטומטי של פריסה של קוד כחלק מפרויקט סיום קורס. |
| תוצרי למידה | קורס DevOps יצייד את התלמידים בידע ובמיומנויות לנהל ביעילות את מחזור החיים של פיתוח התוכנה תוך שימוש בעקרונות ופרקטיקות של DevOps. בסוף הקורס, הם יבינו אינטגרציה מתמשכת, אספקה ופריסה, כמו גם כלים כמו קונטיינריזציה וניטור. הם גם ילמדו לטפח שיתוף פעולה ותקשורת בין צוותים, וכיצד לזהות ולפתור במהירות בעיות פיתוח ופריסה של תוכנה. |
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):
|
| 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 |
|
| 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:
|
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 |
|
| תוצרי למידה | קורס זה יעזור לך להבין מושגים כמו אנטרופיה, מידע הדדי ויכולת ערוץ בתורת המידע. באמצעות שימוש בקודי תיקון שגיאות ובאפנון, ניתן לפתור בעיות בדחיסת נתונים ותקשורת בערוצים רועשים. הקורס יכין אותך גם לנתח עבודות מחקר בתחום ולהעריך את החוזקות והמגבלות של תורת המידע. |
רשתות ניורונים עמוקות (3 נ״ז)
| מטרות הקורס | רשתות ניורונים עמוקות 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 Pytorch/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 |
עקרונות בדיקה בסיסיים | סקירות | טכניקות בדיקה | בדיקות סטטיות | בדיקות חוקרות | בדיקות יחידה | בדיקות ביצועים | בדיקות אוטומטיות | הגדרת אסטרטגיית בדיקות ותכנון בדיקות | עיצוב בדיקות (test design)
הרצאות הקורס יכסו את הנושאים הבאים:
|
| תוצרי למידה | בקורס זה ילמדו העקרונות התיאורטיים והמונחים הבסיסיים של תחום בדיקות התוכנה. |
נושאים מתקדמים ברשתות עמוקות (3 נ״ז, 10556)
| מטרות הקורס | This course will cover advanced topics in deep learning, including: Generative adversarial networks (GANs) | Transformers | Self-supervised learning | Recurrent neural networks (RNNs) | Introduction to natural language processing (NLP) | ChatGPT |
| נושאי הקורס |
Course Schedule: Week 1: Introduction to deep learning Week 2: Convolutional neural networks Week 3: Recurrent neural networks Week 4: Generative adversarial networks Week 5: Transformers Week 6: Self-supervised Learning Week 7: Introduction to NLP Week 8: ChatGPT Week 9: Final project |
| תוצרי למידה |
By the end of this course, students will be able to:
Understand the key concepts of deep learning, Implement deep learning models in Python, Apply deep learning to solve real-world problems, Stay up-to-date on the latest research in deep learning. |
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 |
|
DevOps (3 נ״ז, 10133)
| מטרות הקורס | DevOps היא מתודולוגיה של יצירת תרבות בארגונים של תהליכים של פיתוח ושיתוף. מאפשרת יצירת סביבת עבודה של בניית קוד תוכנה, בדיקות ושחרור גרסת תוכנה באופן מתמשך ויעיל. |
| נושאי הקורס |
בקורס נעסוק בפרקטיקה ותיאוריות ע"י ניתוח מצבים אמיתיים מעולם התעסוקה הישראלית מטרות הקורס | הבנה ותרגול בעולם של טכנולוגיה קונטיינרים | DOCKER | הבנה ותרגול בעולם של AWS CLOUD | יצירת תהליך אוטומטי של פריסה של קוד כחלק מפרויקט סיום קורס. |
| תוצרי למידה | קורס DevOps יצייד את התלמידים בידע ובמיומנויות לנהל ביעילות את מחזור החיים של פיתוח התוכנה תוך שימוש בעקרונות ופרקטיקות של DevOps. בסוף הקורס, הם יבינו אינטגרציה מתמשכת, אספקה ופריסה, כמו גם כלים כמו קונטיינריזציה וניטור. הם גם ילמדו לטפח שיתוף פעולה ותקשורת בין צוותים, וכיצד לזהות ולפתור במהירות בעיות פיתוח ופריסה של תוכנה. |
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):
|
| 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 |
|
| 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:
|
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 |
|
| תוצרי למידה | קורס זה יעזור לך להבין מושגים כמו אנטרופיה, מידע הדדי ויכולת ערוץ בתורת המידע. באמצעות שימוש בקודי תיקון שגיאות ובאפנון, ניתן לפתור בעיות בדחיסת נתונים ותקשורת בערוצים רועשים. הקורס יכין אותך גם לנתח עבודות מחקר בתחום ולהעריך את החוזקות והמגבלות של תורת המידע. |
*הרשימה עשויה להתעדכן מעת לעת.
