Haldusteave
| Ametinimetus | Konvolutsioonilised närvivõrgud |
| Kestus | 60 |
| Moodul | B |
| Õppetunni liik | Õpetus |
| Keskendumine | Tehniline – sügav õpe |
| Teema | Süvaõpe |
Võtmesõnad
CNN, Sügav Õppimine, Python,
Õpieesmärgid
- CNN-i rakendamine ja koolitamine pildi klassifitseerimise probleemi jaoks nullist
- Juba koolitatud võrgustiku täiustamine
- Õppe ülekandmine ImageNetis koolitatud arhitektuuride abil
Eeldatav ettevalmistamine
Õppeüritused, mis tuleb lõpetada enne
Kohustuslik õpilastele
- CNN teooria
Valikuline õpilastele
- Puudub
Viited ja taust õpilastele
- Puudub
Soovitatav õpetajatele
Puudub.
Õppematerjalid
Juhised õpetajatele
See õpetus hõlmab CNN-i põhilist arendamist, koolitust ja testimist. Näidatakse ja arutatakse kolme erinevat juhendajat, mis on rakendatud Jupyter Notebooki kujul. Eelkõige:
- näidatakse lihtsa CNN-i rakendamist. Koolitus toimub lihtsa vabalt kättesaadava andmekogumiga (nt MNIST). Pärast koolitusetappi hinnatakse testi täpsust.
- juba koolitatud võrgu peenhäälestus tehakse uuele andmekogumile (nt Fashion-MNIST). Näidatakse ja arutatakse hindamist ja võrdlust nullist koolitatud võrgustikuga.
- näidatakse, kuidas laadida ja salvestada kohandatud mudeleid.
Ajakava
| Kestus (min) | Kirjeldus | Mõisted | Tegevus | Materjal |
|---|---|---|---|---|
| 20 | Lihtsa CNN-i rakendamine ja koolitamine | |||
| 20 | Juba koolitatud võrgu peenhäälestus | |||
| 20 | laadige ja salvestage arhitektuurid |
Tunnustused
Me täname Eng. Andrea Apicella oma panuse eest materjali arendamisse.
Inimkeskse tehisintellekti magistriprogrammi kaasfinantseeris Euroopa Liidu Ühendamise Rahastu toetusega CEF-TC-2020–1 „Digioskused 2020“-EU-IA-0068.