„Deep learning alkalmazása a vizuális informatikában” változatai közötti eltérés
| (17 közbenső módosítás ugyanattól a felhasználótól nincs mutatva) | |||
| 26. sor: | 26. sor: | ||
=== Előtanulmányi rend === | === Előtanulmányi rend === | ||
* '''Ajánlott: ''' | * '''Ajánlott: ''' [[Számítógépes grafika]], [[Analízis II.]], [[A programozás alapjai 2]]. | ||
=== A szorgalmi időszakban === | === A szorgalmi időszakban === | ||
* Az '''aláírás''' feltételei: | * Az '''aláírás''' feltételei: | ||
** A '''házi feladat''' | ** A '''házi feladat''' összpontjaiból 40%. | ||
* '''Pótlási lehetőségek:''' | * '''Pótlási lehetőségek:''' | ||
** A '''házi feladat''' a pótlási hét végéig pótolható, különeljárási díj befizetése nélkül. | ** A '''házi feladat''' a pótlási hét végéig pótolható, különeljárási díj befizetése nélkül. | ||
| 54. sor: | 54. sor: | ||
== Házi feladat == | == Házi feladat == | ||
===2021. tavasz=== | ====2021. tavasz==== | ||
Idén 4 kisházi volt | Idén 4 kisházi volt. Bármilyen környezet használható volt hozzájuk, célszerű volt a Google Colab használata, de C++-ban is lehetett próbálkozni a házik 2. felénél. | ||
== Laboratórium == | == Laboratórium == | ||
2021. tavaszán online oktatás keretei közt ezek opcionálisak voltak jelenlétileg, de szinte kötelező, ha valaki meg is szeretné érteni az anyagot és tényleg alkalmazni a gyakorlatban. A laborok egyik felében Python-nal Google Colab-ban dolgoznak a hallgatók, ekkor deep learninghez köthető könyvtárakat is használnak, a laborok másik felében C++-ban, CUDA, CuBlas és hasonló könyvtárak segítségével dolgozzák fel. | |||
=== 1. Labor === | === 1. Labor === | ||
| 68. sor: | 65. sor: | ||
== Vizsga == | == Vizsga == | ||
* | ====2021. tavasz==== | ||
Két főbb részből állt: | |||
* 1 kifejtős kérdéssor 6 kérdéssel (30%-a az összes pontnak) | |||
* 2 gyakorlati feladat: egy Pythonos, egy C++-os (70%-a az összes pontnak) | |||
== Kedvcsináló == | |||
==== 2021. tavasz - Kovács Attila ==== | |||
Harmadévesként találtam rá erre a gyöngyszem tárgyra, és nem bántam meg. Az oktatók mindig felkészülten érkeztek, mindig segítőkészek voltak, minden kérdésre válaszoltak, 10/10 oktatók. A laborok alapján kiválóan el lehetett sajátítani az anyagot szerintem, és a vizsgán sem kérdeztek bonyolultabbat, mint amiket megcsináltunk laboron. A házikban egészen sok támpontot adnak a feladatok leírásánál, először nagyon bonyolultnak tűnik, de a labor megoldások alapján el lehet indulni. Szerintem elég könnyűek voltak és a laborokon túl segítették az anyag megértését, elsajátítását. Ha ezek mentek, akkor a vizsgán sem lesz gond. Viszont a hátulütője a tárgynak hogy minimum Prog2-t és Analízis2-t meg kell előtte csinálni szerintem, hogy legalább a fogalmakkal tisztában legyen az ember mielőtt belevág (konvolúció, OOP paradigmák, stb.). Python-t az első laboron tanítanak, és ha már találkozott elég programnyelvvel az ember tényleg 1,5 óra alatt megtanulja. Nem foglalkoztam korábban a témával egy percet sem, de ez a tárgy nagyon megkedveltette velem. | |||
[[Kategória:Valaszthato]] | [[Kategória:Valaszthato]] | ||
A lap jelenlegi, 2021. augusztus 30., 23:46-kori változata
A tárgy célja a GPU alapú deep learning technikák alkalmazásának bemutatása a vizuális informatika területén (gépi látás, alakzatfelismerés, textúra és optikai modell szintézis, zajszűrés, szuperfelbontás, tomográfia), megismertetve a hallgatókat a képi információfeldolgozás, valamint a látás alapú robotika feladataival, a GPGPU megközelítés elemeivel, és ezekre a feladatokra a mélytanulás alkalmazásával.
Követelmények
Előtanulmányi rend
- Ajánlott: Számítógépes grafika, Analízis II., A programozás alapjai 2.
A szorgalmi időszakban
- Az aláírás feltételei:
- A házi feladat összpontjaiból 40%.
- Pótlási lehetőségek:
- A házi feladat a pótlási hét végéig pótolható, különeljárási díj befizetése nélkül.
A vizsgadőszakban
- Vizsga: van, írásbeli, félév teljes anyagából. 40% teljesítés szükséges a minimumhoz.
Félévvégi jegy
- A félévvégi osztályzatot a hallgatók a házi feladat (50%) és a vizsgajegy (50%) alapján kapják.
Segédanyagok
Ajánlott könyvek
- Rajalingappaa Shanmugamani, Deep Learning for Computer Vision, Pack Publishing, ISBN 9781788295628, 2018
- John C. Russ, F. Brent Neal, The Image Processing Handbook, 7th edition, CRC Press, ISBN 149874026X, 2016
- Jason Sanders, Edward Kandrot, CUDA by Example, Addison-Wesley press, ISBN 0-13-138768-5, 2010
- GPU Computing Gems – Emerald Edition, Editor: Wen-mei W. Hwu., Morgan Kaufmann Publisher,ISBN: 9780123849885, 2011
- Programming Massively Parallel Processors, David B. Kirk, Wen-mei W. Hwu, Morgan Kaufmann Publisher, ISBN 978-0-12-381472-2, 2010
Ajánlott oldalak
Házi feladat
2021. tavasz
Idén 4 kisházi volt. Bármilyen környezet használható volt hozzájuk, célszerű volt a Google Colab használata, de C++-ban is lehetett próbálkozni a házik 2. felénél.
Laboratórium
2021. tavaszán online oktatás keretei közt ezek opcionálisak voltak jelenlétileg, de szinte kötelező, ha valaki meg is szeretné érteni az anyagot és tényleg alkalmazni a gyakorlatban. A laborok egyik felében Python-nal Google Colab-ban dolgoznak a hallgatók, ekkor deep learninghez köthető könyvtárakat is használnak, a laborok másik felében C++-ban, CUDA, CuBlas és hasonló könyvtárak segítségével dolgozzák fel.
1. Labor
- ...
Vizsga
2021. tavasz
Két főbb részből állt:
- 1 kifejtős kérdéssor 6 kérdéssel (30%-a az összes pontnak)
- 2 gyakorlati feladat: egy Pythonos, egy C++-os (70%-a az összes pontnak)
Kedvcsináló
2021. tavasz - Kovács Attila
Harmadévesként találtam rá erre a gyöngyszem tárgyra, és nem bántam meg. Az oktatók mindig felkészülten érkeztek, mindig segítőkészek voltak, minden kérdésre válaszoltak, 10/10 oktatók. A laborok alapján kiválóan el lehetett sajátítani az anyagot szerintem, és a vizsgán sem kérdeztek bonyolultabbat, mint amiket megcsináltunk laboron. A házikban egészen sok támpontot adnak a feladatok leírásánál, először nagyon bonyolultnak tűnik, de a labor megoldások alapján el lehet indulni. Szerintem elég könnyűek voltak és a laborokon túl segítették az anyag megértését, elsajátítását. Ha ezek mentek, akkor a vizsgán sem lesz gond. Viszont a hátulütője a tárgynak hogy minimum Prog2-t és Analízis2-t meg kell előtte csinálni szerintem, hogy legalább a fogalmakkal tisztában legyen az ember mielőtt belevág (konvolúció, OOP paradigmák, stb.). Python-t az első laboron tanítanak, és ha már találkozott elég programnyelvvel az ember tényleg 1,5 óra alatt megtanulja. Nem foglalkoztam korábban a témával egy percet sem, de ez a tárgy nagyon megkedveltette velem.
