על המגמה
המגמה נועדה להעמיק את ההבנה של היסודות והטכניקות המתמטיות המשמשות במחקר עיוני ויישומי במדעי הנתונים. היא משלבת קורסים מתמטיים מתקדמים עם קורסים תיאורטיים מרכזיים במדעי הנתונים – כולל תורת המשחקים, הסתברות, סטטיסטיקה, למידת מכונה, למידה עמוקה ואופטימיזציה – במסגרת תואר ראשון בהנדסת נתונים ומידע.
שילוב המגמה במסגרת תוכנית הלימודים יעניק לסטודנטים כישורים אנליטיים ותיאורטיים מתקדמים, שישלימו ויחזקו את ההכשרה ההנדסית. בנוסף, המגמה כוללת אפשרות להשתתף בפרויקטי מחקר בליווי אישי של חברי סגל.
בוגרי המגמה יקבלו תעודה רשמית, חתומה על ידי דיקן הפקולטה.
למה לבחור במגמת אנליזה מתמטית למדעי הנתונים
- העמקת היסודות המתמטיים: עבודת מחקר ופיתוח מודרנית במדעי הנתונים דורשת רקע מתמטי חזק.
- איזון בין תיאורטי להנדסי: לשלב לימודים תיאורטיים עם יישומים מעשיים – למה לבחור רק באחד?
- מקפצה לתארים מתקדמים: הכנה מצוינת ללימודים מתקדמים, עם רקע תאורטי מוצק וניסיון מחקרי.
- חיבור למחקר עכשווי: השתתפות בפרויקטי מחקר כבר במהלך התואר הראשון.
- בלי עומס לימודים נוסף: המגמה משתלבת במסגרת נקודות הזכות של התואר.
למי המגמה מתאימה?
-
סטודנטים עם נטייה וכישרון למתמטיקה, שמחפשים גם יישום מעשי.
-
מי שרוצה להבין את התאוריה מאחורי הטכנולוגיה.
-
סטודנטים שמעוניינים לעסוק במחקר או להמשיך לתארים מתקדמים.
תנאי ותהליך קבלה
הקבלה למגמה היא לפני תחילת התואר או לאחר השנה הראשונה. סטודנטים חדשים יקבלו הזמנה להירשם למגמה עם הקבלה לתואר. לסטודנטים ותיקים תשלח הזמנה לאחר תום השנה הראשונה. קבלה למגמה היא על סמך נתוני הקבלה לתואר (חדשים) או ציוני השנה הראשונה (ותיקים) וראיון אישי.
דרישות המגמה
- השלמת 26 נ”ז מתוך רשימת קורסי חובה ובחירה.
- השתתפות ב-1–2 קורסי פרויקט מחקרי (אופציונלי).
- אין צורך בנ”ז מעבר לדרישות התואר, אך הצטרפות למגמה מחייבת לקחת את רוב קורסי הבחירה מתוך רשימת קורסי המגמה.
מה לומדים
מס’ קורס | שם קורס | נק’ |
---|---|---|
01040285 | משוואות דיפרנציאליות רגילות א’ | 3.5 |
01040142 | מבוא למרחבים מטריים וטופולוגיים | 3.5 |
01040273 | מבוא לאנליזה פונקציונלית ואנליזת פורייה | 5 |
01040165 | פונקציות ממשיות | 3.5 |
01040122 | תורת הפונקציות 1 | 3.5 |
מס’ קורס | שם קורס |
---|---|
00940701 | פרויקט מחקרי 1 |
00940702 | פרויקט מחקרי 2 |
00960212 | מודלים גרפים הסתברותיים |
00960226 | חישוב, תורת המשחקים וכלכלה |
00960231 | מודלים מתמטיים באחזור מידע מתקדם |
00960311 | תיאוריה ואלגוריתמים לאופטימיזציה |
00960335 | אופטימיזציה בתנאי אי ודאות |
00960336 | שיטות אופטימיזציה בלמידת מכונה |
00960351 | שיטות פוליהדרליות לתכנות בשלמים |
00960415 | נושאים ברגרסיה |
00960470 | מודלים סמי-פרמטריים |
00960576 | למידה וסיבוכיות בתורת המשחקים |
00970211 | פרוטוקולי רשת עמידים בתקלות |
00970249 | למידת מכונה בקבלת החלטות סדרתית |
00970280 | אלגוריתמים בתרחישי אי-ודאות |
00970317 | תורת המשחקים השיתופיים |
00970325 | תיאוריה ושיטות באופטימיזציה דלילה |
00980413 | תהליכים סטוכסטיים |
01060429 | תהליכים סטוכסטיים |
00980414 | תיאוריה סטטיסטית 3 |
00980455 | הסתברות ותהליכים סטוכסטיים 2 |
00980312 | אופטימיזציה 2 |
01040030 | מבוא למשוואות דיפרנציאליות חלקיות |
01040158 | מבוא לחבורות |