Informații administrative
| Titlu | Rețele neuronale |
| Durată | 60 |
| Modulul | A |
| Tipul lecției | Prelegere |
| Focalizare | Practică – Modelarea IA |
| Subiect | Modelarea IA |
Cuvinte cheie
Rețea neuronală, propagare de backpropagation, optimizare,
Obiective de învățare
- Elevii înțeleg arhitectul MLP
- Elevii pot construi rețele neuronale cu straturi complet conectate și diverse funcții de activare
- Elevii înțeleg ideea de bază a metodelor bazate pe backpropagation și gradient
Pregătirea preconizată
Evenimente de învățare care urmează să fie finalizate înainte
Obligatoriu pentru studenți
- Revizuirea algebrei liniare și a calculului vectorial.
Opțional pentru studenți
Nici unul.
Referințe și context pentru studenți
Recomandat pentru profesori
- Familiarizați-vă cu materialele demonstrative.
Materiale de lecție
Instrucțiuni pentru profesori
Acoperiți subiectele din schița lecției și demonstrați conceptele folosind notebook-urile interactive (forma funcției de pierdere w.r.t. diferiți regularizatori, algoritmi de optimizare pe bază de gradient). Oferă o scurtă prezentare generală a codului.
Schiță/program de timp
| Durată (min) | Descriere | Concepte |
|---|---|---|
| 5 | De la regresia logistică la perceptron | intrare, greutăți, părtinire, funcție sigmoidă |
| 10 | Multiplicarea perceptronului multistrat și a matricei | strat de intrare, strat ascuns, strat de ieșire |
| 20 | Derivarea schemei de retropropagare | coborârea gradientului, rata de învățare, backpropagation |
| 10 | Funcții de activare | ReLU, sigmoid, tanh, softmax etc. |
| 10 | Funcții de pierdere pentru clasificare și regresie | MSE, binar și categoric cross-entropy |
| 5 | Demonstrație |
Confirmări
Programul de masterat AI centrat pe om a fost cofinantat de Mecanismul pentru interconectarea Europei al Uniunii Europene sub Grantul CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.