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

Informacje o zajęciach (wspólne dla wszystkich grup)

Liczba godzin:	30
Limit miejsc:	(brak limitu)
Zaliczenie:	Zaliczenie na ocenę
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:	Potrafi zaimplementować i wykorzystać wybrane algorytmy głębokiego uczenia maszynowego - KP7_UW11 (+++), KP7_UW16 (+++) Potrafi zastosować istniejące już implementacje głębokiego uczenia maszynowego do swoich celów - KP7_UW12 (+++), KP7_UW16 (+++)
Metody i kryteria oceniania:	Projekty wykonane przez studentów, dopuszczalne liczba nieusprawiedliwionych nieobecności - 20%.
Zakres tematów:	1. Podstawy uczenia maszynowego w środowiskach R i Python. 2. Podstawy sieci neuronowych. 2. Głęboki perceptron wielowarstwowy. 3. Pakiety Tensorflow i Keras w języku Python - rozpoznawanie obrazów. 4. Pakiety Tensorflow i Keras w języku R - rozpoznawanie obrazów. 5. Środowisko Google Colaborate. 7. Sieci konwolucyjne. 8. Sieci rekurencyjne. 9. Sieci LSTM. 10. Sieci GAN 11. Uczenie głębokie nienadzorowane.
Metody dydaktyczne:	Laboratorium: 30 godz., praca samodzielna, praca w grupach

Grupa	Termin(y)	Prowadzący	Miejsca Liczba osób w grupie / limit miejsc	Akcje
1	każdy wtorek, 11:30 - 13:00, sala 1016	Wojciech Lesiński	11/	szczegóły
2	każdy wtorek, 9:45 - 11:15, sala 1016	Wojciech Lesiński	12/	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.