Sztuczna inteligencja

Sieci neuronowe – Moduł 3. Uczenie sieci neuronowej

Szkoła ponadpodstawowa, Nauczyciele

Kurs pozwala na zgłębienie wiedzy na temat struktury sieci neuronowych oraz możliwości ich zastosowania.

Czego się nauczysz

  • poszerzenie wiedzy na temat struktury sieci neuronowych oraz możliwości ich zastosowania
  • wskazanie cech sieci neuronowych
  • wyjaśnienie zależności działania sieci neuronowych od hiperparametrów

Program kursu

  • Topologie sieci neuronowych
  • Hiperparametry: ukryte warstwy, liczba neuronów i funkcje aktywacji
  • Efektywność i skuteczność działania sieci neuronowych
  • Zastosowania i przykłady
  • Zakończenie

Opis kursu

W trakcie kursu uczestnicy poznają różne struktury sieci neuronowych, tj. sieci jednokierunkowe (perceptron) i rekurencyjne, a także możliwości ich zastosowania. Dowiedzą się też, jak odpowiedni dobór tzw. hiperparametrów wpływa na działanie sieci neuronowych.

Zdolność sieci do radzenia sobie z niejednoznacznymi, a czasem sprzecznymi danymi, zdolność do generalizacji, adaptacyjnego uczenia się, a także grupowania i klasyfikowania ogromnych ilości danych – to kolejna porcja wiedzy zawarta w niniejszym kursie.

 

Źródła:

3Blue1Brown, But what is a Neural Network? | Deep learning, chapter 1, publikacja dn. 5.10.2017, dostęp dn. 26.08.2020.

Chandra A.L., McCulloch-Pitts Neuron — Mankind’s First Mathematical Model Of A Biological Neuron, publikacja dn. 24.07.2018, dostęp dn. 26.08.2020.

DeepAI, Backpropagation, dostęp dn. 26.08.2020.

Géron A., Hands-On Machine Learning with Scikit-Learn and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems, O’Reilly Media, 2017.

Jaspreet, A Concise History of Neural Networks, publikacja dn. 14.08.2016, dostęp dn. 26.08.2020.

Karn U., An Intuitive Explanation of Convolutional Neural Networks, publikacja dn. 11.08.2016, dostęp dn. 26.08.2020.

Le J., The 8 Neural Network Architectures Machine Learning Researchers Need to Learn, publikacja 02.2018, dostęp dn. 26.08.2020.

MC.AI, Perceptron: The Artificial Neuron, publikacja dn. 12.08.2018, dostęp dn. 26.08.2020.

Roberts E. i in., Neural Networks, dostęp dn. 26.08.2020.

Simplilearn, What is Perceptron: A Beginners Tutorial for Perceptron, dostęp dn. 26.08.2020.

Saha S., A Comprehensive Guide to Convolutional Neural Networks — the ELI5 way, publikacja dn. 15.12.2018, dostęp dn. 26.08.2020.

Smartsheet, Real-Life and Business Applications of Neural Networks, dostęp dn. 26.08.2020.

Strachnyi K., Brief History of Neural Networks, publikacja dn. 23.01.2019, dostęp dn. 26.08.2020.

Veen van F., The Neural Network ZOO, publikacja dn. 14.09.2016, dostęp dn. 26.08.2020.

Tadeusiewicz R., Szaleniec M., Leksykon sieci neuronowych, Wydawnictwo Fundacji „Projekt Nauka”, 2015.

Tadeusiewicz R., Sieci neuronowe – wykład dla studentów I roku studiów magisterskich inżynierii biomedycznej, publikacja dn. 8.06.2017, dostęp dn. 26.08.2020.

Zhou V., Machine Learning for Beginners: An Introduction to Neural Networks, publikacja dn. 3.03.2019, dostęp dn. 26.08.2020.

 

Podobne kursy

Sztuczna inteligencja

Wprowadzenie do sztucznej inteligencji – Moduł 1. Zarys historyczny

Szkoła podstawowa, Szkoła ponadpodstawowa, Nauczyciele

W kursie zostały przedstawione najważniejsze wydarzenia dotyczące historii sztucznej inteligencji.

Sztuczna inteligencja

Wprowadzenie do sztucznej inteligencji – Moduł 2. Czym jest, a czym nie jest SI

Szkoła podstawowa, Szkoła ponadpodstawowa, Nauczyciele

W kursie dowiemy się, czym jest, a czym nie jest sztuczna inteligencja.

Sztuczna inteligencja

Wprowadzenie do sztucznej inteligencji – Moduł 3. Definicja

Szkoła podstawowa, Szkoła ponadpodstawowa, Nauczyciele

W kursie poznamy definicję sztucznej inteligencji.

Sztuczna inteligencja

Wprowadzenie do sztucznej inteligencji – Moduł 4. Zastosowania

Szkoła podstawowa, Szkoła ponadpodstawowa, Nauczyciele

W kursie dowiemy się, jakie są zastosowania sztucznej inteligencji oraz podsumujemy zdobytą wiedzę.

Sztuczna inteligencja

Aspekty prawne i etyczne sztucznej inteligencji – Moduł 1. Czy robot może mieć zdolność prawną?

Szkoła podstawowa, Szkoła ponadpodstawowa, Nauczyciele

W kursie przedstawione zostaną pojęcia zdolności prawnej oraz zdolności do czynności prawnych w odnieszieniu do sztucznej inteligencji.

Sztuczna inteligencja

Aspekty prawne i etyczne sztucznej inteligencji – Moduł 2. Osobowość prawna i ochrona danych

Szkoła podstawowa, Szkoła ponadpodstawowa, Nauczyciele

Osobowość prawna i ochrona danych w kontekście SI.

Sztuczna inteligencja

Aspekty prawne i etyczne sztucznej inteligencji – Moduł 3. Prawa robotów

Szkoła podstawowa, Szkoła ponadpodstawowa, Nauczyciele

Kurs porusza kwestię, która budzi najwięcej emocji – status prawny robotów.

Sztuczna inteligencja

Aspekty prawne i etyczne sztucznej inteligencji – Moduł 4. Odpowiedzialność za działania

Szkoła podstawowa, Szkoła ponadpodstawowa, Nauczyciele

Odpowiedzialność za działnia SI.

Sztuczna inteligencja

Aspekty prawne i etyczne sztucznej inteligencji – Moduł 5. Prawa autorskie

Szkoła podstawowa, Szkoła ponadpodstawowa, Nauczyciele

Sztuczna inteligencja a prawa autorskie.

Sztuczna inteligencja

Analiza danych – Moduł 1. Świat big data

Szkoła ponadpodstawowa, Nauczyciele

Kurs przybliża zagadnienie big data i ukazuje złożoność procesów przetwarzania i analizy danych.

Sztuczna inteligencja

Analiza danych – Moduł 2. Wydobywanie informacji z danych

Szkoła ponadpodstawowa, Nauczyciele

Kurs tłumaczy sposoby pozyskiwania informacji z danych.

Sztuczna inteligencja

Analiza danych – Moduł 3. Rodzaje zmiennych

Szkoła ponadpodstawowa, Nauczyciele

Kurs przedstawia rodzaje zmiennych, którymi posługujemy się w analizie danych.

Sztuczna inteligencja

Wizualizacja danych – Moduł 1. Wprowadzenie

Szkoła ponadpodstawowa, Nauczyciele

Kurs zapoznaje jego uczestników ze sposobami wizualizacji danych jako skutecznego narzędzia pomagającego w ich analizie.

Sztuczna inteligencja

Wizualizacja danych – Moduł 2. Wizualizacja zmiennych jakościowych

Szkoła ponadpodstawowa, Nauczyciele

Kurs dotyczy sposobów wizualizacji zmiennych jakościowych.

Sztuczna inteligencja

Wizualizacja danych – Moduł 3. Wizualizacja zmiennych ilościowych

Szkoła ponadpodstawowa, Nauczyciele

Kurs przedstawia sposoby wizualizacji zmiennych ilościowych.

Sztuczna inteligencja

Prawdopodobieństwo i statystyka – Moduł 1. Miara pewności

Szkoła ponadpodstawowa, Nauczyciele

Kurs jest wprowadzeniem do zagadnień związanych ze statystyką.

Sztuczna inteligencja

Prawdopodobieństwo i statystyka – Moduł 2. Jak streścić liczby?

Szkoła ponadpodstawowa, Nauczyciele

Moduł drugi kursu „Prawdopodobieństwo i statystyka” odpowiada na pytanie, jak możemy przekształcić dane w kluczowe informacje.

Sztuczna inteligencja

Prawdopodobieństwo i statystyka – Moduł 3. Celebryta wśród rozkładów

Szkoła ponadpodstawowa, Nauczyciele

Kurs omawia najważniejszy z rozkładów statystycznych – rozkład Gaussa.

Sztuczna inteligencja

Uczenie maszynowe – Moduł 1. Wprowadzenie

Szkoła ponadpodstawowa, Nauczyciele

Kurs objaśnia, czym jest uczenie maszynowe i do czego jest nam ono potrzebne, zawiera również krótki zarys historyczny.

Sztuczna inteligencja

Uczenie maszynowe – Moduł 2. Dane, cechy i algorytmy

Szkoła ponadpodstawowa, Nauczyciele

Kurs wprowadza do zagadnień matematycznych i logicznych, na których bazuje uczenie maszynowe.

Sztuczna inteligencja

Uczenie maszynowe – Moduł 3. Rodzaje uczenia maszynowego

Szkoła ponadpodstawowa, Nauczyciele

Kurs dotyczy trzech głównych technik uczenia maszynowego.

Sztuczna inteligencja

Uczenie nadzorowane – Moduł 1. Regresja

Szkoła ponadpodstawowa, Nauczyciele

Kurs przedstawia popularne metody uczenia nadzorowanego: regresję wielokrotną oraz regresję logistyczną.

Sztuczna inteligencja

Uczenie nadzorowane – Moduł 2. Klasyfikacja

Szkoła ponadpodstawowa, Nauczyciele

Kurs dotyczy pojęcia klasyfikacji oraz twierdzenia Bayesa.

Sztuczna inteligencja

Uczenie nadzorowane – Moduł 3. Analiza błędów i ocena jakości

Szkoła ponadpodstawowa, Nauczyciele

Kurs zapoznaje z narzędziami oceny jakości modelu i analizą błędów w uczeniu nadzorowanym.

Sztuczna inteligencja

Sieci neuronowe – Moduł 1. Wprowadzenie

Szkoła ponadpodstawowa, Nauczyciele

Kurs dotyczy historii sieci neuronowych, wyjaśnia pojęcie perceptonu i wskazuje różnice między neuronami biologicznymi a sztucznymi.   

Sztuczna inteligencja

Sieci neuronowe – Moduł 2. Działanie sieci neuronowych

Szkoła ponadpodstawowa, Nauczyciele

Kurs dotyczy działania sieci neuronowych, ich budowy oraz metod optymalizacji.  

Sztuczna inteligencja

Sieci neuronowe – Moduł 3. Uczenie sieci neuronowej

Szkoła ponadpodstawowa, Nauczyciele

Kurs pozwala na zgłębienie wiedzy na temat struktury sieci neuronowych oraz możliwości ich zastosowania.

Informacje o kursie

Sieci neuronowe – Moduł 3. Uczenie sieci neuronowej

Szkoła ponadpodstawowa, Nauczyciele

Sztuczna inteligencja