Ako bolo vymyslené hlboké učenie
Kdy: pondělí 13. 12. 2021, 14:00—15:30
Kde: Zasedací místnost ÚI (Bezručovo náměstí 13, Opava) a MS Teams
Odkaz na schůzku v MS Teams: https://bit.ly/3ozCufN
Keď používame nejaký model hlbokého učenia, pochopiť ako a prečo funguje je na základe jeho architektúry takmer nemožné. Na to potrebujeme poznať históriu ako a cez aké verzie sa k danej architektúre výskumníci dopracovali. V prednáške zhrnieme základné míľniky tejto histórie, počnúc Rosenblattovým perceptrónom a končiac prvými úspešnými hlbokými neurónovými sieťami. Pritom uvedieme základné myšlienky, ktoré za týmito míľnikmi stáli: od univerzálneho aproximátora cez konvolučné siete, autoenkódery, plne konvolučné siete po hlboké siete s typickými stavebnými prvkami (dropout, ReLU, batch normalization, reziduálne spojenia), metrické chybové funkcie a transformery.
Integrácia metód umelej inteligencie do riadiaceho programu mobilného robota
Kdy: pondělí 13. 12. 2021, 16:00—17:30
Kde: Zasedací místnost ÚI (Bezručovo náměstí 13, Opava) a MS Teams
Odkaz na schůzku v MS Teams: https://bit.ly/3lOKhVd
Na príklade mobilného robota (Jetbot s palubnou doskou Jetson Nano), ktorý interaguje so svojím prostredím, vysvetlíme problémy integrácie metód umelej inteligencie do jedného systému a predvedieme riešenie na báze konkrétnej architektúry s tzv. čiernou tabuľou.
Princípy hlbokého učenia v príkladoch – 1. část
Kdy: úterý 14. 12. 2021, 14:00—17:30
Kde: Laboratoř experimentální informatiky (LEI, Bezručovo náměstí 13, Opava) a MS Teams
Odkaz na schůzku v MS Teams: https://bit.ly/31yXNWi
Sériou štyroch
cvičení vysvetlíme základné princípy, ktoré stoja za hlbokými neurónovými
sieťami.
Cvičenie 1. Perceptrón: Trénovanie lineárneho regresora gradientným zostupom.
Povaha vstupov a výstupov. Kompozícia regresorov. Logistický regresor.
Univerzálny aproximátor.
Cvičenie 2. Konvolučná vrstva: Kernel. Trénovanie konvolučnej vrstvy s kernel
3x3 pre implementáciu Sobelovho operátora. Konvolúcie s kernelom 1x1. Plne
konvolučná implementácia perceptrónu.
Cvičenie 3. Autoenkóder. Redukcia a expanzia dimenzie dát. Trénovanie
autoenkódera na písaných čísliciach z datasetu MNIST. Použitie enkódera na získanie
vektora príznakov. Zobrazenie latentného priestoru. Použitie dekódera na
generovanie dát.
Cvičenie 4. Klasifikátor a detektor. Spojenie enkódera a perceptrónu do
klasifikátora. Paralelné spustenie spolupracujúcich perceptrónov implementované
ako plne konvolučná sieť v detektore.
Od účastníkov sa očakáva, že trochu vedia programovací jazyk Python a je dobre
ak majú počítač s GPU. Odporúčame pripraviť si inštaláciu vopred, napríklad po
prednáške 1 by sme mohli inštalovať, pošlem aj inštalačný návod vopred.
Princípy hlbokého učenia v príkladoch – 2. část
Kdy: středa 15. 12. 2021, 14:00—17:30
Kde: Laboraotoř experimentální informatiky (LEI, Bezručovo náměstí 13, Opava) a MS Teams
Odkaz na schůzku v MS Teams: https://bit.ly/3IzM2iL
Na všechny zájemce, ať už fyzicky nebo online se moc těšíme…
Všichni účastníci workshopu jsou povinni řídit se mimořádnými opatřeními MZ ČR, a s nimi souvisejícím Rozhodnutím rektora č. 26/2021 viz https://www.slu.cz/slu/cz/layout/765#rozhodnuti. Tedy všichni zaměstnanci, návštěvy a externí přednášející jsou od pondělí 29. 11. 2021 povinni se každý den při vstupu do budovy na adrese Bezručovo náměstí 13 prokázat dokladem, který je předpokladem pro umožnění výkonu práce - tato skutečnost bude ověřována na vrátnici, příp. kontrolou potvrzení antigenního testu (RAT) provedeného zaměstnavatelem.