Przekazanie wiedzy z zakresu różnych modeli sieci neuronowych i sposobu ich działania oraz zapoznanie z podstawowymi algorytmami uczenia głębokiego. Rozwój praktycznych umiejętności projektowania, implementacji i optymalizacji sieci neuronowych, płytkich i głębokich, w rzeczywistych zastosowaniach.

Odniesienia do frameworka edukacyjnego mikrokompetencji SFIA
- Machine Learning (MLNG) - poziom 3: implementacja i dostrajanie modeli uczenia maszynowego
- Data Science (DATS) - poziom 3: ocena i porównywanie modeli, interpretacja wyników
- Data Engineering (DENG) - poziom 2: przygotowanie i przetwarzanie danych dla modeli ML
- Programming/Software Development (PROG) - poziom 2: implementacja algorytmów i modeli

Wykład:
1 Wprowadzenie do sztucznych sieci neuronowych.
2 Reguły uczenia sztucznych sieci neuronowych.
3 Sieci neuronowe jednokierunkowe.
4 Algorytmy optymalizacji.
5 Właściwości uogólniające sieci.
6 Ocena jakości sieci neuronowej.
7 Regularyzacja.
8 Sieci konwolucyjne.
9 Transfer learning.
10 Tranformery.
11 Sieci RBF, PNN.
12 Sieci samoorganizujące się na zasadzie współzawodnictwa.
13 Zaliczenie wykładu.

Pracownia specjalistyczna:
1 Neurony dyskretne i ciągłe.
2 Reguła perceptronowa.
3 Reguła LMS.
4 Problem XOR.
5 Perceptron wielowarstwowy.
6 Algorytmy optymalizacji.
7 Algorytmy optymalizacji.
8 Metody regularyzacji.
9 Sieci CNN.
10 Transfer learning.
11 Transformery.
12 Projekt.
13 Projekt.
14 Projekt.
15 Zaliczenie.

wykład problemowy,   odczyt,   programowanie z użyciem komputera,  

Wykład -zaliczenie pisemne
Pracownia specjalistyczna - sprawozdania, projekty, krótkie sprawdziany

1. S. Osowski, Sieci neuronowe do przetwarzania informacji, Warszawa : Oficyna Wydawnicza Politechniki Warszawskiej, 2013.
2. R. Kneusel, K. Sawka. Deep Learning : Praktyczne wprowadzenie z zastosowaniem środowiska Pythona. Gliwice: Helion, 2021.
3. F. Chollet, Deep Learning : Praca z językiem Python i biblioteką Keras. Gliwice: Helion, 2019.
4. B. Ramsundar, B. Z. Reza, Głębokie uczenie z TensorFlow : od regresji liniowej po uczenie przez wzmacnianie. Gliwice: Helion, 2020.
5. I. Goodfellow, Y.Bengio, A. Courville, Deep learning : systemy uczące się, Warszawa: Wydaw. Naukowe PWN, 2018

1. J. Patterson, A. Gibson, Deep learning: praktyczne wprowadzenie, Helion, 2018.
2. I. Goodfellow, Y. Bengio, A.Courville, Deep Learning, MIT Press, 2016, http://www.deeplearningbook.org/.