Áttekintés
A workshop során bemutatjuk a deep learning paradigma alapvető elgondolását, kiemeljük az előnyeit és kihívásait más gépi tanuló eljárásokkal szemben, ismertetjük az elsődleges felhasználási területeket, továbbá a DL fejlesztéshez szükséges hardver és szoftver környezeteket. A workshop folyamán gyakorlati példákon keresztül mutatjuk be a deep learning programozás alapjait Python programnyelven.
Előfeltételek
A workshop kezdő szintű, nem igényel korábbi Python, gépi tanulás vagy deep learning ismereteket. A tanfolyamon való részvételhez saját laptop Internet kapcsolattal szükséges, melyen elérhető a https://colab.research.google.com/ honlap és be lehet rá lépni Google fiókkal. Alternatív megoldás a fejlesztői környezet telepítése a saját laptopra: a Python 3.6 alapú Anaconda 5.2-t, továbbá a TensorFlow és Keras modulok telepítését javasoljuk.
Oktató
A képzés oktatója Dr. Gyires-Tóth Bálint, a BME egyetemi docense. 2007 óta foglalkozik elméleti és alkalmazott gépi tanulással, doktori fokozatát 2014 januárjában szerezte meg summa cum laude minősítéssel. 2014 óta a big data világában egyre hangsúlyosabbá váló deep learning (mély tanulás) az elsődleges kutatási területe.
Tematika
Deep Learning alapok
- A deep learning definiciója és új eredményei.
- Hardver és szoftver környezetek.
- Osztályozás és regresszió deep learning alapon.
- Adatelőkészítés deep learning rendszerek számára.
- A modellek teljesítményének javítása.
- Eredmények kiértékelése.
- Példakód.
- Deep Learning alapú gépi látás
Deep Learning alapú gépi látás
- A gépi látás alapfeladatai.
- A deep learning alapú gépi látás alapjai.
- Konvolúciós neurális hálózatok.
- Népszerű mély neurális hálózatok a gépi látásban.
- Transfer learning.
- Példakód.