Głębokie sieci neuronowe (wspólne z 1000-317bDNN) 1000-2M16GSN
1.Wstęp do uczenia maszynowego (2 wykłady): Czym jest uczenie maszynowe, uczenie nadzorowane i nienadzorowane, regresja, klasyfikacja, funkcja błędu. Regresja liniowa i logistyczna. Ocena jakości modelu, regularyzacja, optymalizacja hiperparametrów.
2.Wstęp do sieci neuronowych (2 wykłady): wprowadzenie do biblioteki pytorch, inicjalizacja, funkcje aktywacji, regularyzacja, optymalizacja funkcji celu.
3.Konwolucyjne sieci neuronowe (4-5 wykładów): rozpoznawanie obrazów, standardowe zbiory danych (MNIST, CIFAR, ImageNet), augmentacja danych, warstwy konwolucyjne, pooling, architektura sieci.
4.Rekurencyjne sieci neuronowe (2-3 wykładów): LSTM, przetwarzanie tekstu.
5.Dalsze tematy w zależności od tempa i preferencji studentów (3-4 wykłady).
Rodzaj przedmiotu
Założenia (opisowo)
Efekty kształcenia
Wiedza
* Ma podstawową wiedzę w zakresie uczenia maszynowego.
* Rozumie algorytmy uczenia sieci neuronowych.
* Zna podstawowe architektury sieci konwolucyjnych i rekurencyjnych.
Umiejętności
* Potrafi korzystać z wybranej nowoczesnej biblioteki procedur uczenia maszynowego.
* Potrafi zaimplementować algorytmy klasyfikacji obrazów za pomocą konwolucyjnych sieci neuronowych.
* Potrafi zaimplementować algorytmy przetwarzania tekstu za pomocą sieci rekurencyjnych.
* Posługiwać się językiem angielskim na poziomie B2+ Europejskiego Systemu Opisu Kształcenia Językowego, ze szczególnym uwzględnieniem terminologii informatycznej.
* Potrafi ocenić czy do danego problemu warto zastosować sieci neuronowe, a jeśli tak to jaką architekturę należy przyjąć.
Kompetencje
* Jest gotów do krytycznej oceny posiadanej wiedzy i odbieranych treści
* Jest gotów do uznawania znaczenia wiedzy w rozwiązywaniu problemów poznawczych i praktycznych oraz zasięgania opinii ekspertów w przypadku trudności z samodzielnym rozwiązaniem problemu.
* Jest gotów do myślenia i działania w sposób przedsiębiorczy.
Kryteria oceniania
Ocena końcowa na podstawie punktów z programu zaliczeniowego, zadań domowych (w formie programów komputerowych) oraz egzaminu w laboratorium.
Literatura
Książki w wersji online
http://neuralnetworksanddeeplearning.com/
http://www.deeplearningbook.org/
Więcej informacji
Więcej informacji o poziomie przedmiotu, roku studiów (i/lub semestrze) w którym się odbywa, o rodzaju i liczbie godzin zajęć - szukaj w planach studiów odpowiednich programów. Ten przedmiot jest związany z programami:
- Informatyka, stacjonarne, pierwszego stopnia
- Bioinformatyka i biologia systemów, stacjonarne drugiego stopnia
- Informatyka, stacjonarne, drugiego stopnia
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: