„Alkalmazott mesterséges intelligencia” változatai közötti eltérés
→Előadás: Óra anyagának hozzáadása |
→Előadás: Órák anyagának hozzáadása |
||
| 66. sor: | 66. sor: | ||
* 4. hét: [[Media:MIBprof-VIMIBB01-20230925-4HaziFealadat-BizonytalanTudas.pdf | házi feladat az órára]]: valószínűségi axiómák és állítások, Bayes-tétel (műveletek), együttes valószínűségeloszlás, marginális / feltételes eloszlás, feltételes függetlenség, normalizálás; [[Media:MIBprof-VIMIBB01-20230925-4A-ValoszinusegiHalokKvizNelkul.pdf | óra]]: | * 4. hét: [[Media:MIBprof-VIMIBB01-20230925-4HaziFealadat-BizonytalanTudas.pdf | házi feladat az órára]]: valószínűségi axiómák és állítások, Bayes-tétel (műveletek), együttes valószínűségeloszlás, marginális / feltételes eloszlás, feltételes függetlenség, normalizálás; [[Media:MIBprof-VIMIBB01-20230925-4A-ValoszinusegiHalokKvizNelkul.pdf | óra]]: | ||
* 5. hét: ''szünet'' | * 5. hét: ''szünet'' | ||
* 6. hét: [[Media:.pdf | döntési fák]]: szükséges információmennyiség, részfasúly, maradék és nyereség, túltanulás és elkerülése (korai leállás, pruning); [[Media:.pdf | | * 6. hét: [[Media:.pdf | döntési fák]]: szükséges információmennyiség, részfasúly, maradék és nyereség, túltanulás és elkerülése (korai leállás, pruning); [[Media:MIBprof-VIMIBB01-20231009-5-6-Neuralis-halokKvizNelkul.pdf | neurális hálók]]: tanítás típusai ((un)supervised, half supervised, reinforcement learning, gradiens alapú és annak hibája), perceptron (bátorsági faktor) | ||
* 7. hét: | * 7. hét: neurális hálók, folytatás: szigmoid neuron: hibavisszaterjesztés; MLP: túltanulás és annak elkerülése (dimenzióredukció, konvolúciós rétegek, dropout, augmentáció, LSTM, transzfertanulás); [[Media:MIBprof-VIMIBB01-20231016-6B-GyakorlasKvizNelkul.pdf | gyakorlás]] a [[#ZH |ZH]]-ra | ||
* [[Media:MIBprof-VIMIBB01-2019Xosz-6-Egyszeru-dontes-tanulasa.pdf | 6. előadás]] | * [[Media:MIBprof-VIMIBB01-2019Xosz-6-Egyszeru-dontes-tanulasa.pdf | 6. előadás]] | ||