Administrativne informacije
| Naslov | Neuronske mreže |
| Trajanje | 60 |
| Modul | A |
| Vrsta lekcija | Predavanje |
| Fokus | Praktično – modeliranje umjetne inteligencije |
| Tema | Modeliranje umjetne inteligencije |
Ključne riječi
Neuronska mreža, backpropagation, optimizacija,
Ciljevi učenja
- Učenici razumiju arhitekta MLP-a
- Učenici mogu izgraditi neuronske mreže s potpuno povezanim slojevima i različitim aktivacijskim funkcijama
- Učenici razumiju osnovnu ideju backpropagacije i metode temeljene na gradijentu
Očekivana priprema
Edukativni događaji koji će biti završeni prije
Obvezno za studente
- Pregled linearne algebre i vektorskog računa.
Neobvezno za studente
Nijedan.
Preporuke i pozadina za studente
Preporučeno nastavnicima
- Upoznajte se s demonstracijskim materijalima.
Nastavni materijali
Upute za učitelje
Pokrijte teme u nastavnim crtama i demonstrirajte koncepte pomoću interaktivnih bilježnica (oblik funkcije gubitka w.r.t. različitih regularizatora, algoritama optimizacije temeljenih na gradijentu). Dajte kratak pregled koda.
Nacrt/vremenski raspored
| Trajanje (min) | Opis | Koncepti |
|---|---|---|
| 5 | Od logističke regresije do perceptrona | ulaz, utezi, pristranost, sigmoidna funkcija |
| 10 | Multislojni perceptron i matrično množenje | ulazni sloj, skriveni sloj, izlazni sloj |
| 20 | Izvođenje sheme backpropagacije | gradijent spuštanja, stopa učenja, backpropagation |
| 10 | Aktivacijske funkcije | ReLU, sigmoid, tanh, softmax itd. |
| 10 | Funkcije gubitka za klasifikaciju i regresiju | MSE, binarni i kategorijski cross-entropija |
| 5 | Demonstracija |
Priznanja
Diplomski studij umjetne inteligencije usmjeren na čovjeka sufinanciran je Instrumentom za povezivanje Europe Europske unije u okviru bespovratnih sredstava CEF-TC-2020 – 1 Digital Skills 2020-EU-IA-0068.