#176

Deep Learning – sieci neuronowe

Zagadnienie Deep Learningu jest jedną z bardzo szybko rozwijających się dziedzin wiedzy. Inspirowany budową mózgu model programu komputerowego okazuje się wyjątkowo skutecznie radzić sobie ze skomplikowanymi problemami. Do takich zagadnień zaliczają się problemy takie jak sterowanie pojazdem autonomicznym, tłumaczenie maszynowe języka naturalnego bądź rozpoznawanie twarzy na obrazach. Mimo to, ciągle odnajdywane są nowe zastosowania sieci neuronowych, jak i problemy, które nie dawały się rozwiązać prostymi algorytmami uczenia maszynowego.

Podczas warsztatu zapewniamy nielimitowany dostęp do kawy, herbaty, wody. W porze obiadowej zapewniamy pizzę w wersji mięsnej lub wegeteriańskiej.

Żarówka

Czego się nauczysz?

Warsztat koncentruje się na podstawowym aspekcie uczenia maszynowego - sieciach neuronowych. Uczestnicy zapoznają się zarówno z teoretycznymi podstawami zagadnienia, ale przede wszystkim samodzielnie utworzą i zastosują własne sieci neuronowe do rozwiązania postawionych przez prowadzącego problemów, m.in. rozpoznawania cyfr (pisma ręcznego).

Rezultat warsztatu:
- Znajomość działania sieci neuronowej - własny program implementujący prostą sieć neuronową w oparciu o bibliotekę tensorflow,
- Umiejętność stosowania sieci neuronowych w prawdziwych aplikacjach - własny program wykorzystujący sieć oparty o pakiet keras.
Notatnik

Wymagania wstępne

Od uczestników wymagana jest znajomość języka Python oraz podstawowej matematyki (własności funkcji, rachunek macierzowy).

Prowadzący

Amadeusz Kosik:

Software architekt i developer specjalizujący się w tworzeniu aplikacji rozproszonych w języku Scala oraz trener w zakresie rozwiązań przetwarzania Big Data (Apache Cassandra, Apache Spark). W pracy zawodowej zajmuje się projektowaniem, tworzeniem i wdrażaniem rozwiązań przetwarzania strumieniowego danych oraz uczenia maszynowego.

Program warsztatów

  1. Wprowadzenie do uczenia maszynowego.
    1. Zastosowanie uczenia
    2. Podstawowa terminologia
    3. Testowanie i ocena modeli
  2. Wprowadzenie do technologii
    1. Python + Jupyter Notebook
    2. Biblioteka tensorflow
    3. Biblioteka keras
  3. Sieci neuronowe
    1. Pochodzenie
    2. Działanie sieci (klasyfikacja)aws starter
    3. Uczenie sieci
  4. Dalsze zastosowania i rozwinięcia
    1. Sieci konwolucyjne [CNN]
    2. Sieci rekurencyjne [RNN]
    3. Sieci generujące [GAN]

Uwaga

Liczba miejsc ograniczona! Organizator zastrzega sobie prawo do zmiany lokalizacji wydarzenia oraz jego odwołania w przypadku niezgłoszenia się minimalnej liczby uczestników.

Zapisy na wybrany warsztat zostały zakończone.