Cílem předmětu je poskytnout studentům teoretické znalosti i praktické dovednosti v oblasti umělých neuronových sítí a jejich aplikací při zpracování obrazových a textových dat. Předmět se zaměří jednak na vysvětlení principů fungování (hlubokých) neuronových sítí pro obrazová a textová data a jedna
Cílem předmětu je poskytnout studentům teoretické znalosti i praktické dovednosti v oblasti umělých neuronových sítí a jejich aplikací při zpracování obrazových a textových dat. Předmět se zaměří jednak na vysvětlení principů fungování (hlubokých) neuronových sítí pro obrazová a textová data a jednak na použití hlubokých neuronových sítí na obrazových a textových datech v programovacím jazyce Python.
Po úspěšném absolvování budou studenti schopni vysvětlit základy tvorby umělých neuronových sítí (kapacita, optimalizace, generalizace, aktivační funkce, ztrátové funkce, délka kroku, regularizace, Dropout) a principy použití umělých (hlubokých) neuronových sítí na obrazová a textová data (konvoluční neuronové sítě, obohacování dat, přenesené učení, rekurentní sítě a transformery). Dále budou studenti schopni aplikovat (hluboké) neuronové sítě na obrazová a textová data v programovacím jazyce Python.
• Praktické otázky tvorby umělých neuronových sítí (kapacita, optimalizace, generalizace, aktivační funkce, ztrátové funkce, délka kroku, regularizace, dropout). • Umělé neuronové sítě a obrazová data. • Konvoluční neuronové sítě, obohacování dat a přenesené učení. • Umělé neuronové sítě a textová data. • Rekurentní neuronové sítě (RNN a LSTM), slovní vnoření a konvoluce. • Transformery. • Hluboké neuronové sítě a generování textu.
Doporučená příprava:
Používej Markdown: ## Nadpis, **tučně**, `kód`, - odrážky, > citace