9. aprīlī Rīgas Stradiņa universitātē notiks cikla Mākslīgie neironu tīkli un dziļā mācīšanās pirmais vebinārs Ievads un pārskats par dziļo mācīšanos un mākslīgajiem neironu tīkliem.
Pirmajā vebinārā tiks apskatīts neironu tīkla uzbūves pamatelements perceptrons un tā aktivizācijas funkcijas, mākslīgo neironu tīklu uzbūves iespējas, izmantojot perceptronus, viena slāņa neironu tīkls, dziļais (vairāku slāņu) neironu tīkls, neironu tīklu apmācība un kļūdas apjoma optimizācija, vairāku slāņu neironu tīkla demonstrācija ar Python un Tensorflow.
Praktiskajā daļā būs jāiepazīstas ar vairāku slāņu neironu tīklu, kas paredzēts attēlu klasifikācijai, un jāveic sākotnējā neironu tīkla pilnveide, lai sasniegtu labākus attēlu klasifikācijas rezultātus.
Par lektoru
Dr. sc. ing. Uldis Doniņš ir RSU Informācijas tehnoloģiju departamenta Informācijas sistēmu nodaļas vadītājs. Uldis ir paplašinājis savas zināšanas un pieredzi mašīnmācīšanās (machine learning) un datietilpīgā skaitļošanas (data intensive computing) jomās Bufalo Universitātes, ASV, Inženierzinātņu un lietišķo zinātņu fakultātē. Mašīnmācīšanās kā daļa no mākslīgā intelekta nozares nodrošina datorsistēmu mācīšanās un lēmumu pieņemšanas iespējas, balstoties uz pieejamajiem datiem, izmantojot dažādus uzraudzītās (supervised), nepārraudzītās (unsupervised) un stimulētās (reinforcement) mācīšanās modeļus. Datietilpīga skaitļošana risina jautājumus attiecībā uz dažādiem datu formātiem, glabāšanas modeļiem, programmatūras arhitektūru, programmēšanas modeļiem un algoritmiem, kā arī rīkiem liela apjoma datu analīzei.
- Par vebināru ciklu
Pieaugot skaitļošanas tehnikas jaudai un iespējām, mākslīgā intelekta risinājumi ieņem arvien lielāku lomu dažādu procesu norisē un veikšanā. Seminārā tiks apskatīts, kas ir mākslīgie neironu tīkli, to uzbūves principi un veidi. Ar praktisku piemēru palīdzību tiks demonstrētas iespējas mākslīgo neironu tīklu izmantošanā dažādu veidu risinājumos ar Python un Tensorflow.
Semināra ietvaros tiks aplūkoti aktuālie dziļās mācīšanās algoritmi un to realizācijas iespējas, izmantojot Python, kas ir viena no populārākajām programmēšanas valodām.
Praktiskā daļa ir balstīta uz patstāvīgā darba, realizējot dziļās mācīšanās projektu.
Nākamie vebināri šajā ciklā
| 7. maijā | Mākslīgo neironu tīklu veidi, to pielietojuma iespējas dažādu problēmu risināšanā |
| 4. jūnijā | Padziļinātās apmācības projektu prezentācijas |
