Menu
V tomto kurze sa ponoríš do sveta neurónových sietí (NS) od základov až po pokročilé aplikácie. Začneš pochopením ich biologickej inšpirácie a historického vývoja. Naučíš sa pracovať s jednoduchými modelmi ako binárny perceptrón, spoznáš učenie s učiteľom, Hebbovo učenie a Delta pravidlo.
Postupne si osvojíš aktivačné funkcie, viacvrstvové siete (Adaline, Madaline) a naučíš sa, ako NS fungujú ako univerzálne aproximátory. Dôležitá časť kurzu je metóda backpropagation, kde sa naučíš optimalizovať siete cez spätné šírenie chyby a rozumieť pojmom ako preučenie, generalizácia a cross-validácia.
Od piatej prednášky začneš pracovať s knižnicami TensorFlow a Keras, čo ti umožní efektívne trénovať modely v Pythone. Naučíš sa riešiť praktické úlohy ako rozpoznávanie znakov či predikcie.
Neskôr sa dostaneš k pokročilejším architektúram: Hopfieldove siete, súťaživé siete, Kohonenove mapy, a rekurentné siete (RNN), ktoré využiješ napríklad pri spracovaní sekvenčných údajov (časové rady, texty). Venuješ sa aj NLP úlohám, kde sa naučíš generovať a klasifikovať texty pomocou RNN.
V závere kurzu pripravíš a odprezentuješ záverečný projekt, ktorý ti umožní aplikovať získané poznatky v praxi. Na konci ťa čaká intenzívna príprava na skúšku, počas ktorej si zrekapituluješ celé učivo.
Praktické úlohy riešiš priebežne každý týždeň v Pythone – od základov až po využitie moderných knižníc, pričom každú tému si overíš na reálnom príklade.