(in Polish) Deep Learning w R
General data
Course ID: | 2400-SP-DS-DLR |
Erasmus code / ISCED: |
(unknown)
/
(0311) Economics
|
Course title: | (unknown) |
Name in Polish: | Deep Learning w R |
Organizational unit: | Faculty of Economic Sciences |
Course groups: |
(in Polish) Data Science w zastosowaniach biznesowych. Warsztaty z wykorzystaniem programu R |
ECTS credit allocation (and other scores): |
(not available)
|
Language: | Polish |
Type of course: | obligatory courses |
Full description: |
(in Polish) Celem kursu jest zapoznanie uczestników z różnymi typami sieci neuronowych i ich zastosowaniami. Podczas zajęć wykorzystywane będą narzędzia Keras i TensorFlow. Słuchacze poznają podstawowe definicje i ideę Deep Learningu, jego wady i zalety. Omówione zostaną najważniejsze funkcje aktywacji (sigmoid, ReLU, tanh, itp.) oraz optymalizacja wag metodą stochastic gradient descent, a także bardziej zaawansowanymi metodami (ADAM, RMSProp, AdaDelta,…). Wspomniana zostanie klasyczna regularyzacja L1/L2 i dropout. Następnie zostaną zaprezentowane metody budowania modeli w Keras oraz optymalizacja hiperparametrów z pakieten tfruns. Przedstawione zostaną sieci konwolucyjne (warstwy konwolucyjna, poolingu i głęboka z przykładami) i ich budowa w Keras wraz ze strojeniem parametrów i omówieniem przykładowych architektur (VGG, ResNet), wizualizacją filtrów i map aktywacji. Ostatnim etapem będzie omówienie sieci rekurencyjnych (LSTM, GRU) i ich zastosowań w keras. |
Bibliography: |
(in Polish) Materiały przygotowywane przez wykładowcę i udostępniane uczestnikowi na platformie Google Drive. |
Learning outcomes: |
(in Polish) Test zaliczeniowy - do zaliczenia wymagana jest 50% poprawnych odpowiedzi na 10 pytań. |
Classes in period "Academic year 2023/24" (in progress)
Time span: | 2023-10-01 - 2024-06-16 |
Navigate to timetable
MO TU W TH FR SA LAB
SU LAB
|
Type of class: |
Lab, 18 hours
|
|
Coordinators: | Piotr Wójcik | |
Group instructors: | Michał Maj | |
Students list: | (inaccessible to you) | |
Examination: |
Course -
Pass/fail
Lab - Grading |
|
Mode: | Classroom |
Copyright by University of Warsaw.