Διοικητικές πληροφορίες
| Τίτλος | Κατασκευή υπολογιστικών γραφημάτων, μοντέρνες αρχιτεκτονικές |
| Διάρκεια | 60 λεπτά |
| Ενότητα | Β |
| Είδος μαθήματος | Διάλεξη |
| Εστίαση | Τεχνική — Βαθιά Μάθηση |
| Θέμα | Υπολογιστικά γραφήματα |
Λέξεις-κλειδιά
νευρωνικά δίκτυα, υπολογιστικό γράφημα, υπολειμματική σύνδεση, σύνδεση παράλειψης, βαθιά μάθηση,
Μαθησιακοί στόχοι
- Κατανόηση των βασικών στοιχείων των υπολογιστικών γραφημάτων, των υπολειπόμενων συνδέσεων, των συνδέσεων αυτοκινητοδρόμων και των συνδέσεων παράλειψης
Αναμενόμενη προετοιμασία
Μαθησιακές εκδηλώσεις που πρέπει να ολοκληρωθούν πριν
Υποχρεωτικό για τους φοιτητές
- Το λειτουργικό API
- He, K., Zhang, X., Ren, S., & Sun, J. (2016). Βαθιά υπολειμματική μάθηση για αναγνώριση εικόνας. Στα πρακτικά της διάσκεψης του IEEE με θέμα «Ηλεκτρονική όραση και αναγνώριση σχεδίων» (σελ. 770-778).
- Srivastava, R. K., Greff, K., & Schmidhuber, J. (2015). Δίκτυα αυτοκινητοδρόμων. arXiv preprint arXiv:1505.00387.
Προαιρετικό για Φοιτητές
Καμία.
Αναφορές και υπόβαθρο για τους μαθητές
Καμία.
Συνιστάται για εκπαιδευτικούς
Καμία.
Υλικό μαθήματος
Οδηγίες για τους εκπαιδευτικούς
Σε αυτή τη διάλεξη ένας από τους κύριους στόχους είναι να δείξει ότι τα βαθιά νευρωνικά δίκτυα είναι υπολογιστικά γραφήματα, που μπορούν να κλιμακωθούν καλά. Στη διάλεξη εισάγονται σύγχρονες αρχιτεκτονικές, συμπεριλαμβανομένων των υπολειμμάτων, των αυτοκινητοδρόμων και των παρακάμψεων, που εφαρμόζονται ευρέως σε νευρωνικά δίκτυα.
Σχεδιάγραμμα
- Υπολογιστικά γραφήματα
- Δημιουργία υπολογιστικών γραφημάτων με τον Κερά
- Εναπομένουσες συνδέσεις
- Συνδέσεις αυτοκινητοδρόμων
- Παράκαμψη συνδέσεων
| Διάρκεια (ελάχιστη) | Περιγραφή |
|---|---|
| 10 | Εισαγωγή στα υπολογιστικά γραφήματα των νευρωνικών δικτύων |
| 15 | Εισαγωγή του λειτουργικού API του Κερά με ένα παράδειγμα |
| 10 | Περιγραφή των υπολειπόμενων συνδέσεων με παράδειγμα πηγαίου κώδικα |
| 10 | Περιγραφή των συνδέσεων αυτοκινητοδρόμων με παράδειγμα πηγαίου κώδικα |
| 10 | Περιγραφή των συνδέσεων παράκαμψης με παράδειγμα πηγαίου κώδικα |
| 5 | ΠΕΡΙΛΗΨΗ και συμπερασματα |
Αναγνωρίσεις
Balint Gyires-Tóth (Τεχνολογικό και Οικονομικό Πανεπιστήμιο της Βουδαπέστης)
Το πρόγραμμα Μάστερ τεχνητής νοημοσύνης με επίκεντρο τον άνθρωπο συγχρηματοδοτήθηκε από τον μηχανισμό «Συνδέοντας την Ευρώπη» της Ευρωπαϊκής Ένωσης στο πλαίσιο της επιχορήγησης CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.