Zajęcia w ramach przedmiotu Głębokie Uczenie dla Studentów Wydziału Humanistycznego.

Syllabus:

Prowadzący:

• dr hab. inż. Joanna Jaworek-Korjakowska, prof. AGH (jaworek@agh.edu.pl)

Archiwum

1. Wprowadzenie do uczenia maszynowego i głębokiego
2. Architektura sieci, neuron, funkcje aktywacji, funkcje kosztu, optymalizatory
3. Detekcja i klasyfikacja przy wykorzystaniu sieci konwolucyjnych (CNN)
4. Augmentacja danych, sieci wytrenowane (pre-trained networks)
5. Sieci rekurencyjne (RNN)
6. Autoenkodery i sieci generatywne (GAN)

Prezentacje z wykładów znajdują się na Google Drive

Ciekawe materiały:
Deep Learning and Perception in self-driving cars
Ride in Self-Driving Car
CNN convolution

1. Ian Goodfellow, Yoshua Bengio, Aaron Courville: Deep Learning, MIT Press, 2016
2. Chollet F., Deep learning with Python, 2017
3. Christopher M. Bishop: Pattern Recognition and Machine Learning, Springer, 2007
4. Kevin P. Murphy “Machine Learning: A probabilistic perspective”, MIT Press, 2012
5. Cichosz P., Systemy uczące się, WNT Warszawa, 2000, ISBN 83-204-2544-1
6. Ian H. Witten, Eibe Frank, Mark A. Hall, Data Mining: Practical Machine Learning Tools and Techniques, 2011
7. Peter Flach, Machine Learning: The Art and Science of Algorithms that Make Sense of Data, 2012
8. Krawiec K., Stefanowski J.: Uczenie maszynowe i sieci neuronowe, Wydawnictwo Politechniki Poznańskiej, 2004
9. Richard O. Duda, Peter E. Hart, David G. Stork: Pattern Classification (2nd Ed.), wyd. Wiley, 2000Wybrane artykuły naukowe Elsevier, Springer