Głębokie uczenie maszynowe 420-IS2-1GUM-22
Wykład (WYK) Rok akademicki 2022/23

Informacje o zajęciach (wspólne dla wszystkich grup)

Liczba godzin:	15
Limit miejsc:	(brak limitu)
Literatura:	Bengio Yoshua, Courville Aaron, Goodfellow Ian, Deep Learning. Systemy uczące się, PWN, 2018 Patterson Josh, Gibson Adam, Deep Learning. Praktyczne wprowadzenie, Helion, 2018 Valentino Zocca, Gianmario Spacagna, Daniel Slater, Peter Roelants, Deep Learning. Uczenie głębokie z językiem Python. Sztuczna inteligencja i sieci neuronowe, Helion, 2018
Efekty uczenia się:	Zna algorytmy głębokiego uczenia maszynowego, w szczególności głębokich sieci neuronowych - KP7_WG9 (++), KP7_WG11 (+++) , KP7_WK1 (+++) - egzamin
Metody i kryteria oceniania:	Do zaliczenia przedmiotu wymagane jest: - zaliczenie laboratoriów, zdanie egzaminu w formie pisemnej.
Zakres tematów:	1. Podstawowe sieci neuronowe jako podstawa uczenia głębokiego: perceptron wielowarstwowy, sieć kontra-propagacji, sieci neuronowe jako uniwersalne aproksymatory 2.Uczenie gradientowe sieci neuronowych. 3 Strategie głębokiego uczenia. 4. Sieci konwolucyjne i ich zastosowania do analizy i przetwarzania obrazów. 5. Sieci rekurencyjne (Deep RNNs), sieci z pamięcią (LSTM). 6. Modele generatywne (GAN). 7. Uczenie głębokie nienadzorowane.
Metody dydaktyczne:	wykład 15 h

Grupa	Termin(y)	Prowadzący	Miejsca Liczba osób w grupie / limit miejsc	Akcje
1	co drugi wtorek (nieparzyste), 15:00 - 16:30, sala 2002	Wojciech Lesiński	23/	szczegóły
Wszystkie zajęcia odbywają się w budynku: Budynek Wydziału Matematyki i Instytutu Informatyki - Kampus

Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet w Białymstoku.