עושר המידע הגיאו-אינפורמטיבי שנאסף בעשורים האחרונים מהאוויר והחלל מאפשר לחקור תהליכים גיאופיזיים וסביבתיים על פני כדור הארץ ובמערכת השמש בדיוק חסר תקדים. עם זאת, נפחי המידע הגדולים הביאו עימם אתגרים גדולים באיסוף, תיוג וניתוח המידע באופן אוטומטי וכמותני. לאחרונה, שיטות מתחום למידת המכונה העמוקה הביאו למהפכה בכריית מידע תמונתי, ניתוח סדרות-זמן וגילוי אנומליות. השימוש בשיטות אלו, בשילוב עם הנמקה כמותנית וכלים סטטיסטיים - המכונה לעיתים "מדע נתונים" (Data Science) - התבססו לאחרונה ככלים העיקריים המשמשים בניתוח מידע גיאו-אינפורמטיבי וחזותי. הקורס יסקור שיטות מבוססות למידה עמוקה (רשתות נוירונים) לניתוח מידע חזותי וגיאו-אינפורמטיבי, בדגש על שימוש מעשי בכלים פופולריים: מבחנים סטטיסטיים וערכי מובהקות (p), ניקוי מידע ועיבוד מקדים, רגרסיה ו-SVM, למידה בלתי-מונחית (Autoencoder, PCA) ורשתות קונבולוציה כגון YOLO, וMask-RCNN. בסיום הקורס ישלימו הסטודנטים פרוייקט במחקר מבוסס-נתונים.
- מורה: ליאור-שלמה רובננקו