Административна информация
| Дял | Невронни мрежи |
| Продължителност | 60 |
| Модул | А |
| Вид на урока | Лекция |
| Фокус | Практическо — моделиране на ИИ |
| Тема | Моделиране на ИИ |
Ключови думи
Невронна мрежа, обратно разпространение, оптимизация,
Учебни цели
- Обучаемите разбират MLP архитекта
- Обучаемите могат да изграждат невронни мрежи с напълно свързани слоеве и различни функции за активиране
- Учащите се разбират основната идея за обратно размножаване и градиент-базирани методи
Очаквана подготовка
Обучение на събития, които трябва да бъдат завършени преди
Задължително за студентите
- Преглед на линейната алгебра и векторното смятане.
Незадължително за студенти
Няма.
Референции и фон за студенти
Препоръчва се за учители
- Запознайте се с демонстрационните материали.
Материали за уроци
Инструкции за учители
Покрийте темите в очертанията на урока и демонстрирайте концепциите, като използвате интерактивните преносими компютри (форма на функцията за загуба w.r.t. различни регулаторизатори, алгоритми за оптимизация, базирани на градиент). Направете кратък преглед на кода.
Описание/времеви график
| Продължителност (мин) | Описание | Концепции |
|---|---|---|
| 5 | От логистична регресия до перцептрон | въвеждане, тежести, пристрастие, сигмоидна функция |
| 10 | Мултислойни перцептрони и матрични умножения | входящ слой, скрит слой, изходен слой |
| 20 | Извличане на схемата за обратно размножаване | снижаване на градиента, процент на учене, обратно размножаване |
| 10 | Функции за активиране | ReLU, сигмоид, тан, softmax и т.н. |
| 10 | Функции за загуба за класификация и регресия | MSE, двоична и категорична крос-ентропия |
| 5 | Демонстрация |
Потвърждения
Магистърската програма по ИИ, насочена към човека, беше съфинансирана от Механизма за свързване на Европа на Европейския съюз под формата на безвъзмездни средства № CEF-TC-2020—1 Digital Skills 2020-EU-IA-0068.