Anotace

Cílem kurzu je poskytnout ucelený úvod do hlubokých neuronových sítí, které dosahují vynikající úspěšnosti při zpracování a generování obrázků, textu a řeči. Kurz se zaměřuje jak na teorii od základů po nejnovější pokroky, tak na praktické implementace v jazyce Python a frameworku PyTorch (studenti implementují a trénují hluboké neuronové sítě provádějící klasifikaci obrazu, segmentaci obrazu, detekci objektů, morfologické značkování, lemmatizaci, rozpoznávání řeči, porozumění čtenému textu a generování obrázků). Jsou vyžadovány základní znalosti algebry a jazyka Python, ale není nutná předchozí znalost umělých neuronových sítí; výhodou je základní znalost strojového učení. Studenti pracují buď samostatně, nebo v malých týmech na týdenních úkolech, včetně soutěžních úloh, kde je cílem dosáhnout co nejlepších výsledků z odevzdaných řešení.

Lokace

Malostranské náměstí 25 , 118 00, Praha

Výsledky učení

Znalosti: Student popíše a vysvětlí základní stavební kameny hlubokých neuronových sítí (FFN, RNN, CNN, Transformer), základní architektury (zpracování a generování obrazu, textu, řeči), optimalizační algoritmy (SGD, Adam) a regularizační techniky (dropout, batch norm, …). Student charakterizuje základní frameworky a hardwarové akcelerátory pro implementaci hlubokých sítí. Dovednosti: Student implementuje výše uvedené základní architektury ve frameworku pro implementaci hlubokých neuronových sítí. Student dokáže k trénování využít HW akcelerátor. Student porozumí odbornému vědeckému článku z oblasti hlubokého učení. Kompetence: Student navrhne způsob řešení nové (jemu dosud neznámé) úlohy z oblasti zpracování obrazu, textu, řeči a sám ho naimplementuje a vyhodnotí.

Kontakt pro uchazeče

magdalena.kokesova@matfyz.cuni.cz