Uniwersytet Warszawski - Centralny System UwierzytelnianiaNie jesteś zalogowany | zaloguj się
katalog przedmiotów - pomoc

Głębokie sieci neuronowe

Informacje ogólne

Kod przedmiotu: 1000-2M16GSN Kod Erasmus / ISCED: 11.3 / (0612) Database and network design and administration
Nazwa przedmiotu: Głębokie sieci neuronowe
Jednostka: Wydział Matematyki, Informatyki i Mechaniki
Grupy: Przedmioty monograficzne dla III - V roku informatyki
Przedmioty obieralne dla informatyki
Punkty ECTS i inne: 6.00
zobacz reguły punktacji
Język prowadzenia: angielski
Rodzaj przedmiotu:

monograficzne

Skrócony opis:

Celem zajęc jest przybliżenie studentom praktycznej wiedzy z zakresu głębokich sieci neuronowych. W trakcie kursu przedstawione zostaną wykorzystywane obecnie techniki, algorytmy oraz narzędzia. Poruszane zagadnienia będą użyte między innymi do problemów z dziedziny rozpoznawania obrazów oraz przetwarzania języka naturalnego.

Pełny opis:

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 bibliotek theano oraz tensorflow, 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).

Literatura:

Książki w wersji online

http://neuralnetworksanddeeplearning.com/

http://www.deeplearningbook.org/

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 bibliotek theano oraz tensorflow.

Potrafi zaimplementować algorytmy klasyfikacji obrazów za pomocą konwolucyjnych sieci neuronowych.

Potrafi zaimplementować algorytmy przetwarzania tekstu za pomocą sieci rekurencyjnych.

Kompetencje

Potrafi ocenić czy do danego problemu warto zastosować sieci neuronowe, a jeśli tak to jaką architekturę należy przyjąć.

Metody i kryteria oceniania:

Ocena końcowa na podstawie punktów z programu zaliczeniowego, zadań domowych (w formie programów komputerowych) oraz egzaminu w laboratorium.

Zajęcia w cyklu "Semestr letni 2018/19" (zakończony)

Okres: 2019-02-16 - 2019-06-08
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Laboratorium, 30 godzin więcej informacji
Wykład, 30 godzin więcej informacji
Koordynatorzy: Marek Cygan, Marcin Mucha
Prowadzący grup: Piotr Biliński, Robert Bogucki, Krzysztof Ciebiera, Marek Cygan, Paweł Gora, Marcin Możejko, Marcin Mucha, Piotr Tempczyk
Lista studentów: (nie masz dostępu)
Zaliczenie: Egzamin

Zajęcia w cyklu "Semestr letni 2019/20" (jeszcze nie rozpoczęty)

Okres: 2020-02-17 - 2020-06-10
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Laboratorium, 30 godzin więcej informacji
Wykład, 30 godzin więcej informacji
Koordynatorzy: Piotr Biliński
Prowadzący grup: Piotr Biliński, Krzysztof Ciebiera, Paweł Gora
Lista studentów: (nie masz dostępu)
Zaliczenie: Egzamin
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski.