Administratívne informácie
| Názov | Neurónové siete |
| Trvanie | 60 |
| Modul | A |
| Druh lekcie | Prednáška |
| Zameranie | Praktické – modelovanie umelej inteligencie |
| Téma | Modelovanie umelej inteligencie |
Kľúčové slová
Neurónová sieť, spiatočná propagácia, optimalizácia,
Vzdelávacie ciele
- Študenti chápu architekta MLP
- Študenti môžu budovať neurónové siete s plne prepojenými vrstvami a rôznymi aktivačnými funkciami
- Študenti chápu základnú myšlienku spätného šírenia a metód založených na prechode
Očakávaná príprava
Naučte sa udalosti, ktoré treba dokončiť predtým
Povinné pre študentov
- Prehľad lineárnej algebry a vektorového kalkulu.
Voliteľné pre študentov
Žiadne.
Referencie a zázemie pre študentov
Odporúčané pre učiteľov
- Oboznámte sa s demonštračnými materiálmi.
Učebné materiály
Pokyny pre učiteľov
Pokryte témy v náčrte hodín a ukážte koncepty pomocou interaktívnych poznámkových blokov (tvar funkcie straty w.r.t. rôzne regularizéry, optimalizačné algoritmy založené na prechode). Stručný prehľad o kóde.
Prehľad/časový harmonogram
| Trvanie (min) | Popis | Koncepty |
|---|---|---|
| 5 | Od logistickej regresie k perceptrónu | vstup, závažia, skreslenie, sigmoidná funkcia |
| 10 | Násobenie viacvrstvového perceptrónu a matrice | vstupná vrstva, skrytá vrstva, výstupná vrstva |
| 20 | Odvodenie systému spätného šírenia | gradient zostup, miera učenia, spiatočná propagácia |
| 10 | Aktivačné funkcie | ReLU, sigmoid, tanh, softmax atď. |
| 10 | Stratové funkcie pre klasifikáciu a regresiu | MSE, binárna a kategorická krížová entropia |
| 5 | Demonštrácia |
Uznania
Program Masters umelej inteligencie zameraný na človeka bol spolufinancovaný z Nástroja Európskej únie na prepájanie Európy v rámci grantu CEF-TC-2020 – 1 Digitálne zručnosti 2020-EU-IA-0068.