Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2023/2024

Practical Deep Learning

Přihlášení do KOSu pro zápis předmětu Zobrazit rozvrh
Kód Zakončení Kredity Rozsah Jazyk výuky
NIE-PDL KZ 5 2P+1C anglicky
Garant předmětu:
Yauhen Babakhin, Martin Barus, Karel Klouda
Přednášející:
Yauhen Babakhin, Martin Barus
Cvičící:
Yauhen Babakhin, Martin Barus
Předmět zajišťuje:
katedra aplikované matematiky
Anotace:

This course is designed to provide students with a comprehensive understanding of Deep Learning using PyTorch, a popular open-source machine learning framework. Throughout the course, students will develop practical skills in building and training deep neural networks, using PyTorch to solve real-world problems in fields such as computer vision and natural language processing.

Požadavky:

Basic knowledge of Python programming language, basic understanding of machine learning and deep learning concepts.

Osnova přednášek:

1. Introduction to PyTorch

2. Datasets and Dataloaders for Natural Language Processing (NLP)

3. NLP Architectures

4. PyTorch training loop

5. Train an NLP classification model

6. Evaluate NLP Kaggle competition

7. Datasets and Dataloaders for Computer Vision (CV)

8. CV Architectures

9. Train a CV classification model

10. Practical tips for tuning Deep Learning models

11. Multi-GPU training in PyTorch

12. Other applications in NLP and CV

13. Evaluate CV Kaggle competition

Osnova cvičení:

1. Introduction to PyTorch, Datasets and Dataloaders for NLP

2. PyTorch training loop

3. Train an NLP classification model

4. Datasets and Dataloaders for Computer Vision (CV), CV Architecture

5. Train a CV classification model

6. Multi-GPU training in PyTorch

Cíle studia:

The study objective of the course is to equip students with practical skills and knowledge in building and training deep neural networks using PyTorch.

Studijní materiály:

1. Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.

2. Stevens, E., Antiga, L., & Viehmann, T. (2020). Deep Learning with PyTorch. Manning Publications.

3. Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, Ł., & Polosukhin, I. (2017). Attention Is All You Need. In Proceedings of the 31st Conference on Neural Information Processing Systems (NIPS 2017).

4. Krizhevsky, A., Sutskever, I., & Hinton, G. E. (2012). ImageNet Classification with Deep Convolutional Neural Networks. In Advances in Neural Information Processing Systems 25 (NIPS 2012).

Poznámka:

Information about course and coursware are available at https://courses.fit.cvut.cz/NIE-PDL/

Další informace:
https://courses.fit.cvut.cz/NIE-PDL/
Rozvrh na zimní semestr 2023/2024:
06:00–08:0008:00–10:0010:00–12:0012:00–14:0014:00–16:0016:00–18:0018:00–20:0020:00–22:0022:00–24:00
Po
Út
St
Čt
místnost T9:303

11:45–14:15
(paralelka 101)
Dejvice
NBFIT PC ucebna

Rozvrh na letní semestr 2023/2024:
Rozvrh není připraven
Předmět je součástí následujících studijních plánů:
Platnost dat k 24. 7. 2024
Aktualizace výše uvedených informací naleznete na adrese https://bilakniha.cvut.cz/cs/predmet7580706.html