Neuronové sítě 2
Kód | Zakončení | Kredity | Rozsah | Jazyk výuky |
---|---|---|---|---|
18NES2 | KZ | 5 | 2P+2C | česky |
- Garant předmětu:
- Přednášející:
- Cvičící:
- Předmět zajišťuje:
- katedra softwarového inženýrství
- Anotace:
-
Cílem předmětu „Neuronové sítě 2“ je seznámit studenty se základními modely hlubokých neuronových sítí a naučit je tyto modely a metody aplikovat při řešení praktických úloh.
- Požadavky:
- Osnova přednášek:
-
1. Úvod do hlubokého učení, historie a základní pojmy, existující frameworky pro hluboké učení
2. Hluboké neuronové sítě: Architektury a aktivační funkce
3. Algoritmy pro učení hlubokých neuronových sítí
4. Optimalizace a ladění hyperparametrů
5. Regularizace modelů hlubokých neuronových sítí
6. Konvoluční neuronové sítě: Základy a principy
7. Architektury konvolučních neuronových sítí.
8. Konvoluční neuronové sítě pro detekci objektů a segmentaci.
9. Předtrénování a fine-tuning hlubokých neuronových sítí. Transfer learning.
10. Rekurentní neuronové sítě a zpracování sekvenčních dat
11. Architektury rekurentních neuronových sítí
12. Autoencodery: Principy a aplikace
13. Jemný úvod do dalších modelů neuronových sítí (generativní modely, transformery, zpětnovazebné učení)
- Osnova cvičení:
-
Struktura cvičení odpovídá struktuře přednášek. Cvičení se zaměří na experimentování s různými modely hlubokých sítí s využitím populárních frameworků (např. TensorFlow nebo PyTorch) na praktických úlohách (zpracování obrazových a sekvenčních dat, detekce objektů, segmentace,...). Studenti získají zkušenosti s analýzou výsledků a dozví se o praktických aspektech implementace a ladění modelů, což jim pomůže lépe porozumět hlubokému učení.
- Cíle studia:
-
Studenti se seznámí s různými základními modely hlubokých neuronových sítí (základní model, konvoluční neuronové sítě, rekurentní neuronové sítě, autoencodery).
Studenti se naučí, jak implementovat a použít probírané modely a metody pro řešení praktických úloh.
- Studijní materiály:
-
[1] Ian Goodfellow, Yoshua Bengio, Aaron Courville: Deep Learning, 2016, MIT Press
[2] Charu C. Aggarwal: Neural Networks and Deep Learning: A Textbook, 2018, Springer
[3]Ivan Vasilev, Daniel Slater: Python Deep Learning, 2019, Packt Publishing
[4] Andrew W. Trask: Grokking Deep Learning, 2019, Manning Publications
- Poznámka:
- Další informace:
- Pro tento předmět se rozvrh nepřipravuje
- Předmět je součástí následujících studijních plánů: