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 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).

Literatura:

Książki w wersji online

http://neuralnetworksanddeeplearning.com/

http://www.deeplearningbook.org/

Efekty uczenia się:

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 pytorch.

* 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 2020/21" (jeszcze nie rozpoczęty)

Okres: 2021-02-22 - 2021-06-13
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: Robert Bogucki, Krzysztof Ciebiera, Marek Cygan, Sebastian Jaszczur, Marcin Możejko, Marcin Mucha, Piotr Tempczyk
Lista studentów: (nie masz dostępu)
Zaliczenie: Egzamin
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski.