„Deep Learning a gyakorlatban Python és LUA alapon” változatai közötti eltérés
a →Tippek |
|||
| (7 közbenső módosítás ugyanattól a felhasználótól nincs mutatva) | |||
| 19. sor: | 19. sor: | ||
== Követelmények == | == Követelmények == | ||
Gyakorlatok 70%-án való részvétel, amit jelenléti ívvel ellenőriznek is! | Gyakorlatok 70%-án való részvétel, amit jelenléti ívvel ellenőriznek is! | ||
Nagy házi feladat elkészítése és bemutatása. | Nagy házi feladat elkészítése és bemutatása. | ||
Vizsga (írásbeli és szóbeli). | Vizsga (írásbeli és szóbeli). | ||
| 25. sor: | 27. sor: | ||
3 fős csapatokban egy szabadon választott témából kell házi feladatot kidolgozni. A nagyházi megléte az aláírás feltétele! A házi mellé egy beszámoló dokumentumot is kell készíteni. Megfelelő minőségű és mennyiségű házi feladatért megajánlott jegy (4-es vagy 5-ös) jár. Megajánlott jegyhez kötelezően kell 2 mérföldkövet tartani! | 3 fős csapatokban egy szabadon választott témából kell házi feladatot kidolgozni. A nagyházi megléte az aláírás feltétele! A házi mellé egy beszámoló dokumentumot is kell készíteni. Megfelelő minőségű és mennyiségű házi feladatért megajánlott jegy (4-es vagy 5-ös) jár. Megajánlott jegyhez kötelezően kell 2 mérföldkövet tartani! | ||
Ezen felül 5db szorgalmi kis házi kerül kiírásra a félév során. Egyenként 20 pontot lehet rájuk kapni, összesen 70%-ra +1 jegy jár. Érdemes velük foglalkozni, rengeteget lehet velük tanulni, fejlődni a témakörben. Ezeket GitHubra feltöltött Jupyter notebook formátumban kell beadni. | |||
== Vizsga == | == Vizsga == | ||
A vizsgán megajánlott jegyért a nagyháziról szóló előadást kell megtartani, válaszolni kérdésekre, ezután a vizsgáztatók osztályozzák a munkát. (Az előadás 7-10 | A vizsgán megajánlott jegyért a nagyháziról szóló előadást kell megtartani, válaszolni kérdésekre, ezután a vizsgáztatók osztályozzák a munkát. (Az előadás kb 7-10 perc) | ||
Ha nem megajánlott jegyre mész: | Ha nem megajánlott jegyre mész: | ||
A vizsga | A vizsga elsősorban szóbeli, 3 témakört (melyből az első fixen a backpropagation) kellett papíron alaposan kidolgozni, majd ezekről szóban beszélni és kérdésekre válaszolni. Jó jegyhez alaposan kell tudni és érteni a dolgokat, gyakorlati szinten is! | ||
Pár főbb téma ami előfordulhat: convnet, VAE, GAN, RNN, BPTT, LSTM, hiperparaméter optimalizálás. | Pár főbb téma ami előfordulhat: convnet, VAE, GAN, RNN, BPTT, LSTM, hiperparaméter optimalizálás. | ||
== Tippek == | == Tippek == | ||
A tárgy oktatói mindenkit ösztönöznek a megajánlott jegy megszerzésére. Kis házi feladatok 70%-os teljesítésével és az előadásokon Kahoot! kvíz kitöltésével | A tárgy oktatói mindenkit ösztönöznek a megajánlott jegy megszerzésére. Kis házi feladatok 70%-os teljesítésével és az előadásokon Kahoot! kvíz kitöltésével +1 jegyet lehet szerezni. | ||
Ha még nem programoztál soha Pythonban, erősen ajánlott a kurzus elkezdése előtt megismertetni magad vele és a NumPy könyvtárral. A tárgyhonlapon találsz rengeteg hasznos forrást szinte mindenhez. A projekteket bármilyen keretrendszerben elkészítheted, de gyakorlaton elősorban | Ha még nem programoztál soha Pythonban, erősen ajánlott a kurzus elkezdése előtt megismertetni magad vele és a NumPy könyvtárral. A tárgyhonlapon találsz rengeteg hasznos forrást szinte mindenhez. A projekteket bármilyen keretrendszerben elkészítheted, de gyakorlaton elősorban Keras-al és Tensorflowval fogsz találkozni. A lineáris algebra alapjait is jó, ha átnézed első előadás előtt. | ||
== Verseny == | == Verseny == | ||