Deep Learning a gyakorlatban Python és LUA alapon

A VIK Wikiből
A lap korábbi változatát látod, amilyen Gyurós Péter (vitalap | szerkesztései) 2020. január 19., 18:08-kor történt szerkesztése után volt. (→‎Követelmények)
Deep Learning a gyakorlatban Python és LUA alapon
Tárgykód
VITMAV45
Általános infók
Kredit
4
Keresztfélév
?
Tanszék
TMIT
Követelmények
Jelenlét
gyakorlaton min. 70%
Minimális munka
NHF + vizsga
Labor
nincs
KisZH
nincs
NagyZH
nincs
Házi feladat
NHF + opcionális KHF-k
Vizsga
írásbeli + szóbeli
Elérhetőségek
Levlista

Az adatmennyiség robbanásszerű növekedésével, a grafikus processzorok jelentős technológiai fejlődésével és a tudományterület új eredményeinek köszönhetően az elmúlt években a mély tanuló rendszerek, azon belül is a mély neurális hálózatok (Deep Neural Networks, DNN) valós életbeli folyamatok megfigyelések alapján történő modellezésének az egyik leghatékonyabb eszközévé váltak. A neuronháló mély rétegei a modellezni kívánt folyamat különböző, magas és alacsony szintű absztrakcióinak kinyerésére, osztályozására és predikciójára képesek. A mély tanuló rendszerek már a gépi beszéd- és látásfunkciók modellezésén túl alkalmasak például fordításra, zenei stílus automatikus osztályozására, felhasználói preferencia jóslására, felhasználó azonosítására, sőt, akár rajzolni és zenét komponálni is tudnak. Napjainkban már az olyan nagy cégek, mint a Google, Facebook, Amazon, IBM is egyre több technológiájukat helyezik deep learning alapokra. A tárgy gyakorlati problémák megoldásán keresztül tanítja meg a rendelkezésre álló, az iparban is széles körben használt két legfontosabb nyílt forráskódú mély tanuló keretrendszer, a Facebook által támogatott Torch (LUA) és a Theano (Python) programozását és az ezek széleskörű használatához szükséges elméleti alapokat.

Követelmények

Gyakorlatok 70%-án való részvétel, amit jelenléti ívvel ellenőriznek is! Nagy házi feladat elkészítése és bemutatása. Vizsga(írásbeli és szóbeli).

Házi

4-5 fős csapatokban választott témából kell házi feladatot kidolgozni. Megfelelő minőségű és mennyiségű házi feladatért megajánlott 4-es, 5-ös jár.

2-3 hetente szorgalmi kis házik kerülnek kiírásra. A kis házik legalább 70%-os teljesítése +1 jegyet jelent az év végi osztályzatban.

Vizsga

Írásbeli és szóbeli

Tippek

A tárgy oktatói mindenkit ösztönöznek a megajánlott jegy megszerzésére. Kis házi feladatokkal +1 jegyet lehet elérni. Az előadásokon kvíz kitöltésével plusz jegyet lehet elérni

Verseny

Az előadásokon Kahoot! verseny van, a legeredményesebb 5 hallgató a félév végén +1 jegyet kap.

Kedvcsináló

2016/7

Izgalmas, cutting-edge technológiát mutat be, minden előadáson szánnak pár percet arra, hogy bemutassák az aktuális híreket. Viszont nehéz, van egy nagy házi, amit csapatosan kell megcsinálni és nagyon-nagyon sok időt elvesz. Nem lehet az utolsó hétre hagyni. A tárgyhonlapon van kint egy javaslat, hogy hány órát kell hetente a tárgyra szánni, az tényleg kell. De ha jó házit adsz be, akkor nem kell vizsgázni (egy ötös házit viszont büszkén lehet mutogatni).(NGD)