|
|
|
||
Poslední úprava: Cejnar Pavel RNDr. Mgr. Ph.D. (14.06.2022)
|
|
||
Poslední úprava: Cejnar Pavel RNDr. Mgr. Ph.D. (14.06.2022)
Studenti budou umět: (i) vybrat vhodnou architekturu neuronové sítě pro zvolený typ dat (ii) navrhnout příslušný model a vybrat vhodný optimalizační algoritmus pro trénování |
|
||
Poslední úprava: Cejnar Pavel RNDr. Mgr. Ph.D. (22.09.2023)
D: Goodfellow, I., Bengio, Y., Courville, A.: Deep Learning. MIT Press, 2016. http://www.deeplearningbook.org |
|
||
Poslední úprava: Cejnar Pavel RNDr. Mgr. Ph.D. (14.06.2022)
https://moodle.vscht.cz/enrol/index.php?id=55 |
|
||
Poslední úprava: Cejnar Pavel RNDr. Mgr. Ph.D. (22.09.2023)
1. Úvod do neuronových sítí. 2. Dopředné vícevrstvé neuronové sítě, základní architektury a aktivační přenosové funkce. 3. Optimalizační algoritmy pro trénování. 4. Regularizace modelů neuronových sítí. 5. Frameworky pro tvorbu neuronových sítí. 6. Konvoluční neuronové sítě, normalizace. 7. Architektury vhodné pro hluboké konvoluční sítě. 8. Architektury pro detekce objektů a segmentaci. 9. Předtrénování a fine-tuning hlubokých neuronových sítí. 10. Rekurentní neuronové sítě a problémy jejich trénování. 11. Rekurentní neuronové sítě - obousměrné a hluboké rekurentní sítě. 12. Architektura Transformer. 13. Návrh a optimalizace neuronových sítích v různých prostředích. 14. Zpětnovazebné učení.
|
|
||
Poslední úprava: Cejnar Pavel RNDr. Mgr. Ph.D. (14.06.2022)
Zápočet je udělován za vypracování dostatečného množství úloh (získání příslušného počtu bodů, příp. včetně bonusových bodů). Úlohy jsou zadávány během celého semestru. Student si může vybrat, které z úloh chce vypracovávat, aby získal potřebný počet bodů. Zkouška sestává z písemného testu s otázkami náhodně vybranými ze souboru předem známých otázek. Klasifikaci u zkoušky lze zlepšit či zcela nahradit vypracováním rozšířeného množství zápočtových úloh (získání rozšířeného počtu bodů). |
Zátěž studenta | ||||
Činnost | Kredity | Hodiny | ||
Účast na přednáškách | 1 | 28 | ||
Příprava na přednášky, semináře, laboratoře, exkurzi nebo praxi | 1 | 28 | ||
Práce na individuálním projektu | 1 | 28 | ||
Příprava na zkoušku a její absolvování | 1 | 28 | ||
Účast na seminářích | 1 | 28 | ||
5 / 5 | 140 / 140 |
Hodnocení studenta | |
Forma | Váha |
Aktivní účast na výuce | 30 |
Protokoly z individuálních projektů | 30 |
Ústní zkouška | 40 |