Kod przedmiotu 02 58 6116 00
Liczba punktów ECTS 2
Nazwa przedmiotu w języku prowadzenia 
Głębokie sieci neuronowe 2
Nazwa przedmiotu w języku polskim Głębokie sieci neuronowe 2
Nazwa przedmiotu w języku angielskim 
Deep Neural Networks II
Język prowadzenia zajęć polski
Poziom studiów studia drugiego stopnia
Kierownik przedmiotu prof. dr hab. inż. Krzysztof Ślot
Realizatorzy przedmiotu dr inż. Paweł Kapusta
Formy zajęć i liczba godzin w semestrze
Wykład Ćwiczenia Laboratorium Projekt Seminarium Inne Suma godzin w semestrze
Godziny kontaktowe 15 30 0 45
Czy e-learning Nie Nie Nie Nie Nie Nie
Kryteria oceny (waga) 0,50 0,50 0,00
Cel przedmiotu
  1. Prezentacja zaawansowanych koncepcji głębokich sieci neuronowych
Efekty kształcenia 
  1. Znajomość koncepcji autoenkodera
  2. Znajomość  koncepcji sieci rywalizujących
  3. Znajomość koncepcji sieci rekurencyjnych i sieci LSTM
  4. Umiejętność  implementacji wybranej koncepcji przetwarzania danych za pomocą sieci głębokich
Metody weryfikacji efektów kształcenia 
Ocena zrozunienia koncepcji (autoenkoder, sieci rywalizujące, sieci rekurencyjne) i ocena umiejętności ich wdrożenia.
Wymagania wstępne 
Głębokie sieci neuronowe I
Treści kształcenia z podziałem na formy 
WYKŁAD
Autoenkodery i poszukiwanie ukrytej reprezentacji klas.
Sieci rywalizujące (GAN): architektura, sposób działania i wybrane aplikacje (generacja nowych treści). 
Sprzężenie zwrotne i pamięć. Sieci rekurencyjne (RNN) jako koncepcja analizy danych o strukturze sekwencyjnej. Algorytm BPTT. Ograniczenia sieci rekurencyjnych. 
Sieci LSTM: architektura i sposób uczenia. Wykorzystanie sieci LSTM do analizy procesów oraz do generacji sekwencji. 
Sieci residualne.

LABORATORIUM
Implementacja programowa prezentowanych koncepcji sieci dla realizacji wybranego zadania przetwarzania danych (np. kategoryzacja tekstów, rozpoznawanie zdarzeń w nagraniach wideo, sterowanie motoryką robotów, generacja awatarów itp.)
Literatura podstawowa 
  1. Ian Goodfellow and Yoshua Bengio and Aaron Courville: Deep Learning http://www.deeplearningbook.org/
Literatura uzupełniająca 
  1. Materiały pomocnicze on-line
Przeciętne obciążenie godzinowe studenta pracą własną 
6
Uwagi 

                    

                    

                        Aktualizacja
                        2020-10-05 23:33:59