Sztuczne Sieci Neuronowe

Termin zajęć w semestrze letnim 2024/25:

• wykład w poniedziałki o godz. 9:30-11:00 w sali B.1.02 (PK6)
• laboratorium w poniedziałki o godz. 11:00-13:00 w sali B.1.02 (PK6)

Materiały do zajęć

Wykład
Laboratorium

Zaliczenie wykładu i laboratorium

Zaliczenie wykładu:

• pozytywna ocena z laboratorium
• egzamin w formie testu na platformie Moodle. Do zaliczenia należy uzyskać 50% punktów z egzaminu.

Zaliczenie laboratorium:

• frekwencja
• zadania realizowane na zajęciach
• dwa projekty zaliczeniowe realizowane samodzielnie poza zajęciami

Zaliczenie zajęć, projekty i propozycje tematów projektów

Wyniki egzaminu, ocena zadań i projektów umieszczona będzie na platformie Moodle.
Adres kursu w Moodle: https://moodle.umk.pl/WFAIIS/course/view.php?id=41

Literatura i kilka przydatnych odnośników

„Klasyczne” sieci neuronowe

• J. Żurada, M. Barski, W., Jędruch Sztuczne sieci neuronowe, Wydawnictwo Naukowe PWN 1996
• Osowski S.: Sieci neuronowe w ujęciu algorytmicznym, Wydawnictwo Naukowo-Techniczne, Warszawa 1996
• Tadeusiewicz R.: Sieci neuronowe, Akademicka Oficyna Wydawnicza RM, Warszawa 1993
• Sztuczne Sieci Neuronowe - wykład prof. W. Duch
• Wstęp do Sieci Neuronowych - wykład Jarosław Piersa,
• Raul Rojas, Neural Networks - A Systematic Introduction, 1996

Deep Learning

• Deep Learning, I. Goodfwllow, Y. Bengio, A. Courville, Deep Learning, MIT Press, 2016
• M. Nielsen, Neural Networks and Deep Learning
• Neural Network Tutorials by Geoffrey E. Hinton
• Dive into Deep Learning by A. Zhang, Zack C. Lipton, Mu Li, Alex J. Smola, on GitHub
• Neurocomputing - lectures by Julien Vitay (youtube, slides and notes)
• Artificial Neural Networks Series on Rubik's Code

• Deep Learning
• DeepNotes
• A Guide to Deep Learning by YN2
• Material for the Deep Learning Course NTU
• Deep Learning glossary
• Deep Learning Tutorials
• Are we there yet ?
• WER are we?
• Awsome Deep Vison
• 8 Inspirational Applications of Deep Learning
• Awesome Recurrent Neural Networks
• Awesome Tensorflow Implementations

• MNIST
• CIFAR
• ImageNet

• AI Experiments with Google
• Machine Learning Mastery

Frameworki DL

• Deep Learning Frameworks https://developer.nvidia.com/deep-learning-frameworks
• Comparison_of_deep_learning_software
• TensorFlow (Google)
• Keras - high-level neural networks API, written in Python and capable of running on top of TensorFlow, CNTK, or Theano.
• Theano
• Lasagne - Lightweight library to build and train neural networks in Theano
• Microsoft Cognitive Toolkit (CNTK)
• Caffe
• Torch (Facebook AI) PyThotch zawiera m. in .Coffe 2 (Facebook AI)
• MATLAB Deep Learning
• deeplearning4j - Deep Learning for Java