Oktatási cél:
A tantárgy célja, hogy a hallgatók szisztematikus áttekintést kapjanak a mély tanuló modellek elméleti alapjairól, tanulási mechanizmusairól és korszerű technikáiról. A kurzus kiemelt hangsúlyt fektet a modellek reprezentációs képességeinek megértésére, az optimalizációs módszerek elmélyítésére, valamint azokra az architektúrákra, amelyek a modern mesterséges intelligencia rendszerek alapját képezik. A tantárgy célja, hogy a hallgatók önállóan is képesek legyenek komplex adathalmazokon deep learning modellek implementálására és kritikus értékelésére.
Tematika:
A tárgy áttekintést nyújt a mélytanulás alapvető modelljeiről és tanulási mechanizmusairól. A kurzus lefedi többek között a korszerű konvolúciós architektúrákat, a transzfer tanulás és reprezentációtanulás elméletét, a látens térbeli modellezés eszközeit. Tárgyalja a generatív modellek működését, a szekvenciális feldolgozásra alkalmas RNN, LSTM és GRU hálózatokat, valamint a gráf neurális hálókat és a figyelemmechanizmuson alapuló modelleket. Az elméleti tananyag átadása után a gyakorlatok és laboratóriumi foglalkozások során a hallgatók különböző Deep Learning modelleket vizsgálnak és hasonlítanak össze változatos adatkészleteken, egyéni órai és csoportos projektfeladat keretében.