Deň 1: Úvod do hlbokého učenia a neurónových sietí
- Základy strojového učenia
- Úvod do neurónových sietí a ich funkcie
- Trénovanie neurónových sietí pomocou backpropagation
- Aktivačné funkcie a ich výber
- Viacvrstvové neurónové siete a ich trénovanie
- Úvod do knižnice TensorFlow a Keras
Deň 2: Konvolučné neurónové siete (CNN)
- Úvod do konvolučných neurónových sietí (CNN)
- Konvolučné vrstvy a filtrovanie obrázkov
- Pooling vrstvy a zmenšovanie rozmerov obrázkov
- Úprava obrázkov pred trénovaním
- Architektúry konvolučných sietí (AlexNet, VGG, ResNet)
- Praktické cvičenia na implementáciu konvolučných sietí
Deň 3: Rekurentné neurónové siete (RNN) a ďalšie modely
- Úvod do rekurentných neurónových sietí (RNN)
- Štruktúra a fungovanie RNN
- Trénovanie RNN na predikciu a generovanie textu
- LSTM a GRU siete
- Úvod do generatívnych modelov (GAN)
- Úvod do autoenkóderov a ich aplikácií
Deň 4: Optimalizácia a ladenie neurónových sietí
- Optimalizácia hyperparametrov neurónových sietí
- Metódy učenia a optimalizácia parametrov
- Regularizácia sietí (dropout, L1, L2)
- Overfitting a jeho prevencia
- Tuning a ladenie sietí
Deň 5: Aplikácie a pokročilé témy v hlbokom učení
- Aplikácie hlbokého učenia v praxi (rozpoznávanie reči, rozpoznávanie
obrazu, strojový preklad)
- Prenos učenia (transfer learning)
- Úvod do spracovania prirodzeného jazyka a NLP
- Pokročilé témy v hlbokom učení (adversarial training, attention mechanism,
capsule networks)
- Diskusia a zhrnutie kurzu
