Czego się nauczysz
- poszerzenie wiedzy na temat struktury sieci neuronowych oraz możliwości ich zastosowania
- wskazanie cech sieci neuronowych
- wyjaśnienie zależności działania sieci neuronowych od hiperparametrów
Program kursu
- Topologie sieci neuronowych
- Hiperparametry: ukryte warstwy, liczba neuronów i funkcje aktywacji
- Efektywność i skuteczność działania sieci neuronowych
- Zastosowania i przykłady
- Zakończenie
Opis kursu
W trakcie kursu uczestnicy poznają różne struktury sieci neuronowych, tj. sieci jednokierunkowe (perceptron) i rekurencyjne, a także możliwości ich zastosowania. Dowiedzą się też, jak odpowiedni dobór tzw. hiperparametrów wpływa na działanie sieci neuronowych.
Zdolność sieci do radzenia sobie z niejednoznacznymi, a czasem sprzecznymi danymi, zdolność do generalizacji, adaptacyjnego uczenia się, a także grupowania i klasyfikowania ogromnych ilości danych – to kolejna porcja wiedzy zawarta w niniejszym kursie.
Źródła:
3Blue1Brown, But what is a Neural Network? | Deep learning, chapter 1, publikacja dn. 5.10.2017, dostęp dn. 26.08.2020.
Chandra A.L., McCulloch-Pitts Neuron — Mankind’s First Mathematical Model Of A Biological Neuron, publikacja dn. 24.07.2018, dostęp dn. 26.08.2020.
DeepAI, Backpropagation, dostęp dn. 26.08.2020.
Géron A., Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems, O’Reilly Media, 2017.
Jaspreet, A Concise History of Neural Networks, publikacja dn. 14.08.2016, dostęp dn. 26.08.2020.
Karn U., An Intuitive Explanation of Convolutional Neural Networks, publikacja dn. 11.08.2016, dostęp dn. 26.08.2020.
Le J., The 8 Neural Network Architectures Machine Learning Researchers Need to Learn, publikacja 02.2018, dostęp dn. 26.08.2020.
MC.AI, Perceptron: The Artificial Neuron, publikacja dn. 12.08.2018, dostęp dn. 26.08.2020.
Roberts E. i in., Neural Networks, dostęp dn. 26.08.2020.
Simplilearn, What is Perceptron: A Beginners Tutorial for Perceptron, dostęp dn. 26.08.2020.
Saha S., A Comprehensive Guide to Convolutional Neural Networks — the ELI5 way, publikacja dn. 15.12.2018, dostęp dn. 26.08.2020.
Smartsheet, Real-Life and Business Applications of Neural Networks, dostęp dn. 26.08.2020.
Strachnyi K., Brief History of Neural Networks, publikacja dn. 23.01.2019, dostęp dn. 26.08.2020.
Veen van F., The Neural Network ZOO, publikacja dn. 14.09.2016, dostęp dn. 26.08.2020.
Tadeusiewicz R., Szaleniec M., Leksykon sieci neuronowych, Wydawnictwo Fundacji „Projekt Nauka”, 2015.
Tadeusiewicz R., Sieci neuronowe – wykład dla studentów I roku studiów magisterskich inżynierii biomedycznej, publikacja dn. 8.06.2017, dostęp dn. 26.08.2020.
Zhou V., Machine Learning for Beginners: An Introduction to Neural Networks, publikacja dn. 3.03.2019, dostęp dn. 26.08.2020.
Podobne kursy
Sztuczna inteligencja
Wprowadzenie do sztucznej inteligencji – Moduł 1. Zarys historyczny
Szkoła podstawowa, Szkoła ponadpodstawowa, Nauczyciele
W kursie zostały przedstawione najważniejsze wydarzenia dotyczące historii sztucznej inteligencji.
Sztuczna inteligencja
Wprowadzenie do sztucznej inteligencji – Moduł 2. Czym jest, a czym nie jest SI
Szkoła podstawowa, Szkoła ponadpodstawowa, Nauczyciele
W kursie dowiemy się, czym jest, a czym nie jest sztuczna inteligencja.
Sztuczna inteligencja
Wprowadzenie do sztucznej inteligencji – Moduł 3. Definicja
Szkoła podstawowa, Szkoła ponadpodstawowa, Nauczyciele
W kursie poznamy definicję sztucznej inteligencji.
Sztuczna inteligencja
Wprowadzenie do sztucznej inteligencji – Moduł 4. Zastosowania
Szkoła podstawowa, Szkoła ponadpodstawowa, Nauczyciele
W kursie dowiemy się, jakie są zastosowania sztucznej inteligencji oraz podsumujemy zdobytą wiedzę.
Sztuczna inteligencja
Aspekty prawne i etyczne sztucznej inteligencji – Moduł 1. Czy robot może mieć zdolność prawną?
Szkoła podstawowa, Szkoła ponadpodstawowa, Nauczyciele
W kursie przedstawione zostaną pojęcia zdolności prawnej oraz zdolności do czynności prawnych w odnieszieniu do sztucznej inteligencji.
Sztuczna inteligencja
Aspekty prawne i etyczne sztucznej inteligencji – Moduł 2. Osobowość prawna i ochrona danych
Szkoła podstawowa, Szkoła ponadpodstawowa, Nauczyciele
Osobowość prawna i ochrona danych w kontekście SI.
Sztuczna inteligencja
Aspekty prawne i etyczne sztucznej inteligencji – Moduł 3. Prawa robotów
Szkoła podstawowa, Szkoła ponadpodstawowa, Nauczyciele
Kurs porusza kwestię, która budzi najwięcej emocji – status prawny robotów.
Sztuczna inteligencja
Aspekty prawne i etyczne sztucznej inteligencji – Moduł 4. Odpowiedzialność za działania
Szkoła podstawowa, Szkoła ponadpodstawowa, Nauczyciele
Odpowiedzialność za działnia SI.
Sztuczna inteligencja
Aspekty prawne i etyczne sztucznej inteligencji – Moduł 5. Prawa autorskie
Szkoła podstawowa, Szkoła ponadpodstawowa, Nauczyciele
Sztuczna inteligencja a prawa autorskie.
Sztuczna inteligencja
Analiza danych – Moduł 1. Świat big data
Szkoła ponadpodstawowa, Nauczyciele
Kurs przybliża zagadnienie big data i ukazuje złożoność procesów przetwarzania i analizy danych.
Sztuczna inteligencja
Analiza danych – Moduł 2. Wydobywanie informacji z danych
Szkoła ponadpodstawowa, Nauczyciele
Kurs tłumaczy sposoby pozyskiwania informacji z danych.
Sztuczna inteligencja
Analiza danych – Moduł 3. Rodzaje zmiennych
Szkoła ponadpodstawowa, Nauczyciele
Kurs przedstawia rodzaje zmiennych, którymi posługujemy się w analizie danych.
Sztuczna inteligencja
Wizualizacja danych – Moduł 1. Wprowadzenie
Szkoła ponadpodstawowa, Nauczyciele
Kurs zapoznaje jego uczestników ze sposobami wizualizacji danych jako skutecznego narzędzia pomagającego w ich analizie.
Sztuczna inteligencja
Wizualizacja danych – Moduł 2. Wizualizacja zmiennych jakościowych
Szkoła ponadpodstawowa, Nauczyciele
Kurs dotyczy sposobów wizualizacji zmiennych jakościowych.
Sztuczna inteligencja
Wizualizacja danych – Moduł 3. Wizualizacja zmiennych ilościowych
Szkoła ponadpodstawowa, Nauczyciele
Kurs przedstawia sposoby wizualizacji zmiennych ilościowych.
Sztuczna inteligencja
Prawdopodobieństwo i statystyka – Moduł 1. Miara pewności
Szkoła ponadpodstawowa, Nauczyciele
Kurs jest wprowadzeniem do zagadnień związanych ze statystyką.
Sztuczna inteligencja
Prawdopodobieństwo i statystyka – Moduł 2. Jak streścić liczby?
Szkoła ponadpodstawowa, Nauczyciele
Moduł drugi kursu „Prawdopodobieństwo i statystyka” odpowiada na pytanie, jak możemy przekształcić dane w kluczowe informacje.
Sztuczna inteligencja
Prawdopodobieństwo i statystyka – Moduł 3. Celebryta wśród rozkładów
Szkoła ponadpodstawowa, Nauczyciele
Kurs omawia najważniejszy z rozkładów statystycznych – rozkład Gaussa.
Sztuczna inteligencja
Uczenie maszynowe – Moduł 1. Wprowadzenie
Szkoła ponadpodstawowa, Nauczyciele
Kurs objaśnia, czym jest uczenie maszynowe i do czego jest nam ono potrzebne, zawiera również krótki zarys historyczny.
Sztuczna inteligencja
Uczenie maszynowe – Moduł 2. Dane, cechy i algorytmy
Szkoła ponadpodstawowa, Nauczyciele
Kurs wprowadza do zagadnień matematycznych i logicznych, na których bazuje uczenie maszynowe.
Sztuczna inteligencja
Uczenie maszynowe – Moduł 3. Rodzaje uczenia maszynowego
Szkoła ponadpodstawowa, Nauczyciele
Kurs dotyczy trzech głównych technik uczenia maszynowego.
Sztuczna inteligencja
Uczenie nadzorowane – Moduł 1. Regresja
Szkoła ponadpodstawowa, Nauczyciele
Kurs przedstawia popularne metody uczenia nadzorowanego: regresję wielokrotną oraz regresję logistyczną.
Sztuczna inteligencja
Uczenie nadzorowane – Moduł 2. Klasyfikacja
Szkoła ponadpodstawowa, Nauczyciele
Kurs dotyczy pojęcia klasyfikacji oraz twierdzenia Bayesa.
Sztuczna inteligencja
Uczenie nadzorowane – Moduł 3. Analiza błędów i ocena jakości
Szkoła ponadpodstawowa, Nauczyciele
Kurs zapoznaje z narzędziami oceny jakości modelu i analizą błędów w uczeniu nadzorowanym.
Sztuczna inteligencja
Sieci neuronowe – Moduł 1. Wprowadzenie
Szkoła ponadpodstawowa, Nauczyciele
Kurs dotyczy historii sieci neuronowych, wyjaśnia pojęcie perceptonu i wskazuje różnice między neuronami biologicznymi a sztucznymi.
Sztuczna inteligencja
Sieci neuronowe – Moduł 2. Działanie sieci neuronowych
Szkoła ponadpodstawowa, Nauczyciele
Kurs dotyczy działania sieci neuronowych, ich budowy oraz metod optymalizacji.
Sztuczna inteligencja
Sieci neuronowe – Moduł 3. Uczenie sieci neuronowej
Szkoła ponadpodstawowa, Nauczyciele
Kurs pozwala na zgłębienie wiedzy na temat struktury sieci neuronowych oraz możliwości ich zastosowania.
Informacje o kursie
Sieci neuronowe – Moduł 3. Uczenie sieci neuronowej
Szkoła ponadpodstawowa, Nauczyciele