חדש!
תואר ראשון בבינה מלאכותית ולמידה חישובית

סמסטר א'

• מבוא למדעי המחשב

  קורס מבוא להכרת מושגי יסוד ורעיונות מרכזיים במדעי המחשב ותורת התכנות. בנוסף להקניית כישורי תכנות בשפת תכנות מודרנית (Java), הקורס מציג מבחר נושאים מהתיאוריה והפרקטיקה של מדעי המחשב כגון אלגוריתמיקה, מבני נתונים, ומבנה מחשבים. כמו כן, הקורס מלמד עקרונות הנדסת תוכנה עם דגש על עיצוב ותכנות מונחה עצמים.
• חשבון אינפיניטסימלי א'

  לימוד היסודות המתמטיים של המדע. תכונות של מספרים ופונקציות, מושג הגבול, הרציפות והנגזרת וכן מבוא לאינטגרציה.
• אלגברה לינארית א'

  מערכות של משוואות לינאריות, תהליך האלימינציה של גאוס; מטריצות, פעולות בין מטריצות, מטריצות הפיכות, חישוב מטריצה הופכית בשיטת גאוס-ז`ורדן; דטרמיננטות, כלל קרמר; וקטורים במישור ובמרחב, ישרים ומישורים; מרחבים לינאריים מעל הממשיים, תת-מרחבים, תלות לינארית, בסיס ומימד, מרחב השורות, מרחב העמודות ומרחב האפס של מטריצה, דרגה של מטריצה.
• מתמטיקה בדידה

  זהו קורס מבוא במתמטיקה בדידה שמתמקד בנושאים המתאימים לתואר ראשון במדעי המחשב. הנושאים שנלמדים בקורס כוללים מושגים מתמטיים בסיסיים (הגדרות, הוכחות, קבוצות, פונצקיות, יחסים בינאריים, יחסי סדר), מניה (צרופים, תמורות, עקרון שובך היונים, עקרון ההכלה וההדחה).
• אנגלית (מי שצריך)

סמסטר ב'

• מבוא לבינה מלאכותית

  הקורס מציג את המושגים והשיטות המרכזיים בתחום הבינה המלאכותית. במהלך הקורס הסטודנטים ייחשפו לגישות שונות להבנת מושג האינטליגנציה, כולל יסודות ביולוגיים וקוגניטיביים, ויבחנו כיצד רעיונות אלו משפיעים על פיתוח מערכות חכמות. הקורס עוסק בטכניקות יסוד של בינה מלאכותית קלאסית, ובהן פתרון בעיות וחיפוש, תכנון וקבלת החלטות, ייצוג ידע המבוסס על לוגיקה, וכן מציג גישות הסתברותיות להתמודדות עם אי-ודאות. 
• חשבון אינפיניטסימלי ב'

  בקורס זה נלמד אינטגרלים, סדרות וטורי מספרים, טורי חזקות וטורי טיילור, וכן חקירת פונקציות של כמה משתנים.
• אלגברה לינארית ב'

  זהו קורס ההמשך לאלגברה לינארית א' למדעי המחשב. הקורס יעסוק בנושאים מתקדמים באלגברה לינארית בדגש על העתקות לינאריות, לכסון ואורתוגונליות.
• מבוא למבני נתונים ואלגוריתמים

  הקורס מעניק מבוא מעמיק לחשיבה חישובית וליסודות התאורטיים והמעשיים של פתרון בעיות במדעי המחשב. הסטודנטים ילמדו כיצד להגדיר בעיות חישוביות בצורה מופשטת, לארגן נתונים באופן שיטתי, ולתכנן ולנתח אלגוריתמים בסיסיים תוך שימוש בכלי ניתוח סיבוכיות, כולל ניתוח מקרה גרוע, מקרה ממוצע וניתוח אמורטיזציה. הקורס עוסק בשיטות מיון, תורת הגרפים ופרדיגמות אלגוריתמיות מרכזיות כמו תכנות דינמי ואלגוריתמים חמדניים, ומקנה לסטודנטים בסיס הכרחי לחשיבה אלגוריתמית מתקדמת, למחקר אקדמי ולפיתוח תוכנה עתירת ביצועים.
• מבוא להסתברות

  תורת ההסתברות היא כלי עם חשיבות בסיסית בכמעט כל תחומי המדע, כולל מדעי המחשב. קורס זה הוא מבוא לתיאוריה המתמטית של תורת ההסתברות. נושאי הקורס הם: מושגי יסוד בהסתברות: מרחבי הסתברות (מרחב המדגם, שדה המאורעות ופונקציית ההסתברות), עקרונות הסתברותיים, מרחבי הסתברות סימטריים ושימושים בקומבינטוריקה, הסתברות מותנית, כלל המכפלה, הסתברות שלמה, חוק בייז, אי תלות בין מאורעות. משתנים מקריים: התפלגויות כלליות בדידות ומיוחדות בדידות (אחידה, גיאומטרית, בינומית, היפרגיאומטרית, פואסונית ובינומית שלילית), התפלגויות כלליות רציפות ומיוחדות רציפות (אחידה, מעריכית, ארלנג, ונורמלית), התפלגות משותפת בדידה, אי תלות בין משתנים מקריים, התפלגויות מותנות בדידות, תוחלת ושונות, מתאם (שונות משותפת ומקדם מתאם), אי שוויוני מרקוב וצ'בישב, חוקי גבול (משפטי הגבול המרכזי, התכנסות בהסתברות, החוק החלש של המספרים הגדולים).
• ציונות מודרנית

סמסטר א'

• מבוא ללמידה חישובית

  קורס מבוא ללמידת מכונה ומדעי הנתונים, המתמקד בעיקרי השיטות והיסודות המתמטיים של למידה מנתונים. בין הנושאים הנלמדים: למידה מפוקחת ולמידה בלתי מפוקחת, הערכת ביצועים וכיול מודלים, רגרסיה, אופטימיזציה, מודלים הסתברותיים, עצי החלטה, למידה בייסיאנית, שיטות גרעין (kernels), מכונות וקטור תמיכה (SVM), סיווג לאשכולות, והפחתת ממדים.
• תכנות מונחה עצמים ותכנון מערכות

  הקורס מקנה הבנה מעמיקה בתכנות מונחה עצמים, במיוחד בהקשר של יישומי בינה מלאכותית. במהלך הקורס הסטודנטים ילמדו ליישם עקרונות OOP ב־TypeScript  וב־Python  לתכנן פתרונות באמצעות דיאגרמות מחלקות ולפתח יישומי לקוח–שרת העובדים מול בסיסי נתונים. 
• בניית מערכות דיגיטליות: מחומרה לתכנה

  מטרת הקורס היא לשלב נושאים מרכזיים מאלגוריתמים, ארכיטקטורת מחשבים, מערכות הפעלה, מהדרים (קומפיילרים), והנדסת תוכנה - במסגרת אחודה אחת. נלמד נושאים אלו באופן הדרגתי, על-ידי בניית מערכת מחשב כללית (general-purpose computer) מהיסוד. במהלך תהליך הלימוד, נחקור רעיונות וטכניקות רבות המשמשות בעיצוב מערכות חומרה ותוכנה מודרניות, ונדון בשיקולים תכנוניים מרכזיים ובמגמות עתידיות. לאורך הדרך, תרכשו נקודות מבט רבות על תחום המחשוב - מהפרטים הבסיסיים ביותר של מעגלים לוגיים ועד לרמות ההפשטה הגבוהות של עיצוב תוכנה מבוססת-עצמים.
• שיטות מתמטיות לבינה מלאכותית

  הקורס מציג את הכלים המתמטיים המרכזיים המשמשים בלמידת מכונה, מדעי הנתונים ובינה מלאכותית. מטרתו לחבר בין הידע המתמטי הבסיסי לבין השיטות החישוביות והאלגוריתמיות המשמשות בפיתוח מודלים וניתוח נתונים. במהלך הקורס הסטודנטים ילמדו לנתח נתונים מרובי־ממדים, לבצע אופטימיזציה ולהבין את פעולתם וביצועיהם של אלגוריתמים מרכזיים בלמידת מכונה.
• סטטיסטיקה וניתוח נתונים

  הקורס עוסק בסטטיסטיקה ובניתוח נתונים מנקודת מבט של עידן המחשוב. הנתונים הופכים למרכיב מרכזי יותר ויותר - הן מבחינת היקפם והן מבחינת קנה המידה שלהם - במדע, בהנדסה, בכלכלה ובתחומי חיים רבים נוספים. הסטטיסטיקה והפרשנות הסטטיסטית הן מרכיב מרכזי בשימוש מוצלח, מושכל ורלוונטי בנתונים בכל התחומים.

סמסטר ב'

• למידה עמוקה והבנת תמונה

  המהפכה הגדולה של הבינה המלאכותית משנה מושכלות היסוד 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. 
• רשתות ומערכות מבוזרות

  הקורס עוסק ביסודות הארכיטקטורה והרשתות הנדרשים לבניית מערכות מחשוב מבוזרות עבור למידת מכונה. הסטודנטים ילמדו על מודלי זיכרון, תהליכים ותהליכונים, ניהול זיכרון. ופרוטוקולי תקשורת מרכזיים כמו TCP  ו-UDPבנוסף, הקורס מתמקד בזיהוי צווארי בקבוק שיטות סקיילינג ואסטרטגיות חלוקה לשיפור ביצועי מערכות מבוזרות.
• חישוב בענן והנדסת תכנה

  קורס זה יספק סקירה כללית של עקרונות הליבה של הנדסת תוכנה ו-DevOps המשמשים כיום לבנייה ואספקה בענן. נחזק את התיאוריה על ידי כתיבת קוד ונראה את הרעיונות מתעוררים לחיים בפועל. המושגים שאנו מכסים כוללים אנקפסולציה והפשטה, סגנון אדריכלי REST וממשקי RESTFUL APIs , וירטואליזציה, קונטיינריזציה, מיקרו-שירותים והפרדת דאגות, תקשורת בין מיקרו-שירותים, אינטגרציה מתמשכת ואספקה מתמשכת, זמינות גבוהה והתאוששות מהירה מתקלות, צפייה ופעולות ענן. אנו נספק את המוטיבציה - שיטות העבודה המומלצות להנדסת תוכנה שצמחו במשך שנים רבות של מחקר וניסויים - מאחורי מתודולוגיות, ארכיטקטורות וכלים ענן מודרניים אלה. במקביל ללימוד המושגים הללו, התלמידים יבנו ויפרוסו בהדרגה יישום Cloud Native שמחזק את התיאוריה. בסוף קורס זה, לסטודנט יהיה ניסיון מעשי עם תקנים וכלים בתעשייה כגון REST, Docker (כולל Docker Compose), ו-Github Actions. הקורס יניח ידע בסיסי ב- Python, GitHub ו-Shell scripting.
• חישוביות וסיבוכיות

  הקורס עוסק בהבנה של מושג החישוב, יכולותיו ומגבלותיו. בתחילת הקורס ילמדו הסטודנטים את יסודות תורת החישוביות, העוסקת בהגדרה פורמלית של בעיות חישוביות ובניתוח הליכים אלגוריתמיים לפתרונן. בהמשך יעסוק הקורס בתורת הסיבוכיות החישובית, שמטרתה לבחון מהם המשאבים הנדרשים, כגון זמן וזיכרון, לפתרון בעיות שונות באמצעות אלגוריתמים. הקורס יסתיים במבוא לאלגוריתמים אקראיים, תוך שימוש בדוגמאות מתחומי למידת המכונה והבינה המלאכותית, וקישור בין המושגים התאורטיים לבין יישומים עדכניים בתחומים אלו
• סדנה בפיתוח מערכות עם AI

  קורס מעשי שמתמקד בפיתוח של מערכות תוכנה המשלבות יכולות מתקדמות של בינה מלאכותית, ומציג לסטודנטים את עקרונות התכנון והמימוש של יישומים רחבי־היקף מבוססי AI  באמצעות למידה מבוססת פרויקטים. הסטודנטים יעבדו בצוותים של 3–4 משתתפים לתכנון, פיתוח והטמעה של מוצר תוכנה מלא הכולל רכיבי בינה מלאכותית, בין אם באמצעות פיתוח מערכת חדשה מאפס ובין אם באמצעות שילוב יכולות AI במערכות קיימות, תוך שימוש בכלים ובשיטות עבודה מקובלות בתעשייה. 
• קורס חובה כלל אוניברסיטאי
• קורס בחירה במדעי המחשב

סמסטר א'

• פיתוח תכנה בעזרת AI

   

   
• עיבוד שפה טבעית ומודלי שפה

   

  מטרה: האם מחשבים יכולים להבין שפה אנושית? האם ניתן בעזרתם לחלץ באופן אוטומטי היסקים בעלי משמעות מהמוני המסמכים הזמינים לנו באינטרנט? כיצד פועל Google Translate ? התשובות לשאלות אלו נידונות בתחום מחקר הנקרא "בלשנות חישובית / עיבוד שפה טבעית" (CL / NLP) המשלב שיטות חישוביות, בלשניות, סטטיסטיות, קוגניטיביות ואף פילוסופיות על מנת לחקור כיצד שפה טבעית מובנת על ידי בני אדם, ולבנות יישומים טכנולוגיים היכולים לעבד שפה אנושית באופן דומה. קורס זה מלמד טכניקות ואלגוריתמים לעיבוד שפה טבעית ומדגים את יישומם בטכנולוגיות עכשוויות (ע"ע "גוגל"). הקורס בנוי מארבעה חלקים שווים, כשכל חלק מעמיק את רמת עיבוד המוצגת בקודמו. חלק א' "מילים" מתמקד במכונות מצבים סופיות, עיבוד מורפולוגי, הפגת עמימות, ויישומים פשוטים כגון בדיקת איות. חלק ב' "משפטים" מגדיר דקדוקים פורמליים והסתברותיים, ומלמד את יסודות הניתוח התחבירי הסטטיטסטי לשפות שונות. חלק ג' "משמעות" מטפל בייצוג לוגי ופרשנות של משפטים מורכבים (כלומר, ההבנה "מי עשה מה למי"), ביחסי דמיון והוראה בין ביטויים במסמך, ובשימוש במילונים ולקסיקונים מקוונים. חלק ד' "יישומים" מציג ארכיטקטורות לאחזור מידע, כרייה, חישוביות פסיכו-בלשנית, ותרגום מכונה. קורס זה מיועד לסטודנטים למדעי המחשב המתעניינים בשפה טבעית, בינה מלאכותית, תקשורת אדם-מחשב ובמודלים חישוביים קוגניטיביים. במהלך הקורס יעשה שימוש בטכנולוגיות בינה מלאכותית מתקדמות כגון רשתות נוירונים. 
• גרפיקה ממוחשבת / ראיה ממוחשבת

  גרפיקה ממוחשבת

  הקורס מכסה נושאים בסיסיים בגרפיקה ממוחשבת הכוללים את היסודות המתמטיים והאלגוריתמים, והשיטות בעיבוד תמונה, מידול גאומטרי ויצירת תמונות בעזרת רינדור מעקב קרניים ו- GPU.

   

   

  ראיה ממוחשבת

  פיתוח של מערכת ראיה ממוחשבת נחוץ ליישומים רבים כגון מכוניות אוטונומיות, משחקי מחשב, מציאות מדומה, אבטחה, רובוטיקה, וניתוח תמונות רפואיות. בקורס זה נלמד כיצד לפתח מערכות ראיה ממוחשבת שמפענחות אינפורמציה מתמונות ומסרטי וידאו. נתמקד בבעיות קלאסיות בתחום הכוללת זיהוי מאפייני תמונה, חישוב עומק מזוג תמונות (סטיראו) או ממספר רב של תמונות, חישוב צורה מהצללות (shape-from-shading), אנליזה של תנועה, סגמנטציה של תמונות, זיהוי עצמים, ועוד. הקורס כולל יסודות תיאורטיים ומעשיים עם נגיעה קלה במערכות ראיה ביולוגיות. בימנו המערכות המתקדמות לפתרון בעיות בראיה ממוחשבת מבוססות למידה באמצעות רשתות נוירונים עמוקות. אנחנו נתמקד בפתרונות קלסיים, שאינם מבוססי רשתות נוירונים, המהווים את היסודות של התחום המשמשים בסיס למערכות ראיה ממוחשבת מתקדמות. נעבור ברפרוף על מספר מערכות למידה מודרניות שפותרות את הבעיות הקלסיות שבהן נתעמק. 
• שני קורסי בחירה במדעי המחשב

  
  
  
• פרויקט גמר (שנתי)
• תשתיות מחשוב להאצת חישובים

  הקורס עוסק בתשתיות החומרה והתוכנה שעליהן פועלות מערכות בינה מלאכותית מודרניות, תוך שילוב בין עקרונות של מערכות הפעלה, ארכיטקטורת GPU, חישוב מקבילי, מערכות מבוזרות ותשתיות ענן. הקורס מציג לסטודנטים כיצד מערכות AI מודרניות מאמנות ומריצות מודלים גדולים בקנה מידה תעשייתי, וכיצד ניתן לבצע אופטימיזציה ל־training  ול־inference  באמצעות חומרה מואצת וכלי תוכנה מתקדמים. 
  במהלך הקורס ילמדו הסטודנטים עקרונות של GPU Computing, תכנות CUDA, אימון מבוזר, עבודה עם containers  ותשתיות ענן, profiling ואופטימיזציה של מערכות AI . הקורס משלב יסודות תאורטיים עם עבודה מעשית במעבדות ובפרויקט סמסטריאלי. 

   

סמסטר ב'

• הנדסת תכנה באמצעות בינה מלאכותית

  בעידן הטכנולוגי של היום, כל תהליכי הפיתוח משתנים בקצב מהיר במיוחד. בקורס זה נלמד את הטכנולוגיות העדכניות ביותר בתחומי פיתוח תוכנה ובינה מלאכותית יוצרת, נתכנן מערכות וניצור דברים שבעבר היו לוקחים חודשים רבים. בנוסף, נתמקד בשיפור איכות הקידוד של הסטודנטים ונלמד המון Best Practices של תהליכי פיתוח מתקדמים.
• למידה מבוססת חיזוקים

  הקורס מספק מבוא מקיף ללמידת חיזוק (Reinforcement Learning – RL), תוך כיסוי של עקרונות יסוד וטכניקות מתקדמות. הסטודנטים ילמדו הן שיטות RL קלאסיות והן גישות של למידת חיזוק עמוקה (Deep Reinforcement Learning), וייחשפו למושגים ולאלגוריתמים המרכזיים בתחום.
  בהמשך הקורס יילמדו טכניקות מתקדמות של למידת חיזוק עמוקה, ובהן רשתות Q עמוקות (Deep Q-Networks – DQN), שיטות מבוססות גרדיאנט מדיניות (Policy Gradient Methods) וארכיטקטורות מסוג Actor-Critic. בנוסף, הסטודנטים יכירו נושאים מתקדמים ועכשוויים, כגון למידת חיזוק ממשוב אנושי (Reinforcement Learning from Human Feedback – RLHF) ויישומי למידת חיזוק במודלי שפה גדולים (Large Language Models – LLMs).
  באמצעות שילוב של יסודות תיאורטיים ותובנות מעשיות, הקורס יקנה לסטודנטים הבנה מעמיקה של שיטות למידת חיזוק קלאסיות ומודרניות כאחד, ויכשיר אותם ליישם טכניקות אלו בפתרון בעיות בעולם האמיתי.
• אתיקה ובינה מלאכותית

  הקורס עוסק בהיבטים האתיים, החברתיים והמשפטיים של בינה מלאכותית. במהלך הקורס ייחשפו הסטודנטים למסגרות מוסריות מרכזיות, כגון דאונטולוגיה, תועלתנות ואתיקת המידות, ויבחנו את יישומן במערכות AI מודרניות. הסטודנטים ינתחו באופן ביקורתי את “מחזור החיים הסמוי” של מערכות בינה מלאכותית - החל מעבודת הנתונים ואי־שוויון, דרך הטיות אלגוריתמיות ועד לאתגרים של שקיפות והסבריות. באמצעות דיון במקרי בוחן מהעולם האמיתי ובהתפתחויות רגולטוריות עדכניות, כגון חוק ה־AI  של האיחוד האירופי (EU AI Act), ירכשו הסטודנטים כלים לחשיבה ביקורתית ולפיתוח, בקרה והטמעה של מערכות בינה מלאכותית המקדמות כבוד האדם, הוגנות ואחריותיות.
• שני קורסי בחירה במדעי המחשב
• פרויקט גמר (שנתי)

  קורס פרויקט זה, הנמשך שני סמסטרים, מהווה את סיום התואר הראשון בבינה מלאכותית. הסטודנטים עובדים בקבוצות קטנות (3–4 חברים) על זיהוי אתגר אמיתי, תכנון פתרון מונחה AI והובלתו לאבטיפוס פונקציונלי, בליווי מנטור. הסמסטר הראשון מתמקד באימות הכדאיות של הפרויקט, והסמסטר השני בהפיכת המודל הפועל למערכת שלמה.

קורסי ראיה ושפה

• ראיה ממוחשבת

   

   
• גרפיקה ממוחשבת
• עיבוד תמונה
• עיבוד דיבור ושמע

   

   
• למידה עמוקה והבנת תמונות
• עיבוד שפה ו- LLM

קורסי למידת מכונה

• בינה מלאכותית יוצרת
• מרעיון לאפליקציה בעזרת כלי AI
• למידה לא מפוקחת
• רובוטיקה ומערכות אוטונומיות

קורסי תיאוריה

• תורת האינפורמציה
• סטטיסטיקה מתקדמת
• מבוא לחישוב קוונטי

קורסי תכנות מתקדמים

• מסדי נתונים
• שימוש בטכניקות בינה מלאכותית לזיהוי נוזקות
• מרעיון לאפליקציה בעזרת בינה מלאכותית

קורסי רוחב

• מבוא לביו-אינפורמטיקה
• מבוא לביולוגיה סינטטית