Introduction to deep learning 1000-AD-DeepLear

(in Polish) 30 godz. – wykład, 30 godz. – laboratoria, 3 godz. – egzamin, 3 godz. - prezentacja zadań – laboratoria. 30 godz. - konsultacje z prowadzącymi zajęcia, 20 godz. - praca własna: przygotowanie zadań, 20 godz. - bieżące przygotowania do zajęć, studiowanie literatury, 20 godz.- praca własna: przygotowanie do egzaminu. RAZEM: 136 godz. 6 pkt. ECTS

(in Polish) W01 – Zna matematyczne podstawy Deep Learningu, w szczególności podstawowe modele uczenia, typy sieci neuronowych, podstawy reprezentacji danych (K_W01, K_W03). W02 - Zna metody projektowania i analizowania modeli deep learning (K_W04). W03 - Zna metody statystycznej analizy danych, w tym zagadnienia estymacji, testowania hipotez i redukcji wymiaru danych (K_W03). W04 – Zna praktyczne przykłady wykorzystania głębokiego uczenia (K_W03, K_W08). W05 - Zna biegle co najmniej jeden język programowania oraz biblioteki algorytmów i struktur danych; ma wiedzę na temat praktycznych uwarunkowań wydajnych implementacji algorytmów (K_W04).

(in Polish) U01 – Pracuje samodzielnie i efektywnie z dużą ilością danych, dostrzega zależności i poprawnie wyciąga wnioski, posługując się zasadami logiki (K_U03, K_U07). U02 - Projektuje i analizuje modele głębokich sieci neuronowych w kontekście zastosowań w przetwarzaniu obrazu, tekstu i sekwencji. Zna podstawy generatywnych sieci neuronowych (K_U01, K_U05, K_U10) . U03 - Posługuje się bibliotekami algorytmów i struktur danych, w tym bibliotekami algorytmów numerycznych, czy bibliotekami uczenia maszynowego (K_U08,K_U10, K_U13). U04 - Potrafi posługiwać się podstawowymi narzędziami informatycznymi wspomagającymi tworzenie oprogramowania i jego utrzymanie (K_U05, K_U08). U05 - Umie znajdować niezbędne informacje w literaturze fachowej, bazach danych i innych źródłach (także anglojęzycznych), zna podstawowe czasopisma i konferencje naukowe w swojej specjalności (K_U10, K_U13).

(in Polish) K01 - Myśli twórczo w celu udoskonalenia istniejących bądź stworzenia nowych rozwiązań (K_K02). K02 - Jest nastawiony na jak najlepsze wykonanie zadania; dba o szczegół; jest systematyczny (K_K03). K03 - Skutecznie przekazuje innym swoje myśli w zrozumiały sposób; właściwie posługuje się terminologią fachową; potrafi nawiązać kontakt w obrębie swojej dziedziny i z osobą reprezentującą inną dziedzinę (K_K01, K_K02). K04 - Potrafi opisywać zbudowane modele i struktury danych w sposób zrozumiały dla niespecjalisty (K_K02). K05 - Pracuje systematycznie i posiada umiejętność pozytywnego podejścia do trudności stojących na drodze do realizacji założonego celu; dotrzymuje terminów (K_K04).

(in Polish) Metody dydaktyczne podające: ● wykład informacyjny (konwencjonalny). Metody dydaktyczne poszukujące: ● ćwiczeniowa, ● laboratoryjna, ● klasyczna metoda problemowa.

- simulation (simulation games)

- informative (conventional) lecture

- content-presentation-oriented methods

compulsory course

(in Polish) Aby w pełni docenić materiał w tego wykładu, zalecamy następujące wymagania: 1. Podstawowe wiadomości z zakresu informatyki obejmujące bazy danych i programowanie współbieżne oraz systemy operacyjne. 2. Algorytmy oraz struktury danych i matematyka dyskretna. 3. Eksploracja danych oraz metody uczenia maszynowego. 4. Wymagana jest praktyczna znajomość języka programowania Python oraz zasad programowania obiektowego.

Additional information (registration calendar, class conductors, localization and schedules of classes), might be available in the USOSweb system:

• Description of 1000-AD-DeepLear in USOSweb