M'AI: Neural ODEs 1000-1M25MNO

Kurs wprowadza matematyczne podstawy Neural Ordinary Differential Equations (Neural ODEs) – nowatorskiego podejścia łączącego teorię równań różniczkowych zwyczajnych z głębokim uczeniem maszynowym. W przeciwieństwie do tradycyjnych dyskretnych sieci neuronowych, Neural ODEs modelują proces uczenia jako dynamikę ciągłą, opisywaną równaniami różniczkowymi.

1. Podstawy teoretyczne:

* Równania różniczkowe w uczeniu maszynowym
* Formułowanie problemu jako ODE (metoda adjoint)
* Porównanie z klasycznymi architekturami sieci neuronowych

2. Aspekty numeryczne:

* Efektywne całkowanie równań (adaptacyjne solvery)
* Propagacja wsteczna przez solver ODE

3. Zastosowania praktyczne:

* Modelowanie procesów dynamicznych
* Generatywne modele przepływów (Continuous Normalizing Flows)

Kurs łączy ścisłe podejście matematyczne z praktycznymi aspektami implementacji, pokazując jak współczesna matematyka staje się językiem sztucznej inteligencji.

Forma zajęć: Wykłady: ogólne wprowadzenie teoretyczne; Ćwiczenia: analityczne podejście do Neural ODEs, Planowane są również kilkudniowe warsztaty wyjazdowe (poza Warszawą, w zależności od dostępności środków).