„Deep learning alkalmazása a vizuális informatikában” változatai közötti eltérés

 
(15 közbenső módosítás ugyanattól a felhasználótól nincs mutatva)
26. sor: 26. sor:


=== Előtanulmányi rend ===
=== Előtanulmányi rend ===
* '''Ajánlott: ''' Matematika, [[Számítógépes grafika]].
* '''Ajánlott: ''' [[Számítógépes grafika]], [[Analízis II.]], [[A programozás alapjai 2]].


=== A szorgalmi időszakban ===
=== A szorgalmi időszakban ===
* Az '''aláírás''' feltételei:
* Az '''aláírás''' feltételei:
** A '''házi feladat''' sikeres leadása.
** 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, amik opcionálisak voltak a jó jegyért. Bármilyen környezet használható volt hozzájuk, célszerű volt a Google Colab használata, de C++-ban is lehetett próbálkozni a házik 2. felénél. Szerintem elég könnyűek voltak és a laborokon túl segítették az anyag megértését, elsajátítását. Ha ezek mentek, akkor a vizsgán sem lesz gond.
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.
 
A kisházik témái:
* gépi tanulás alapműveletei, egyszerű architektúrák (konvolúció, lossok, konvolúciós hálók)
* CUDA kernelek, többszintű kernelek, algoritmusok
* paraméterezhető hálók, optimalizáció, technikák eredmény pontosság növelésére
* bemeneti adathalmaz előállítás, képtranszformációk utáni teljesítmény elemzés


== 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 dolgoztunk, ekkor deep learninghez köthető könyvtárakat is használtunk, az anyag másik felét C++-ban, CUDA, CuBlas és hasonló könyvtárak segítségével dolgoztuk fel.
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 ===  
71. 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]]