2022-es tavaszi félév
- Az előadásokat kezdetben virtuálisan tartjuk a Microsoft Teams program segítségével, később pedig - ahogy a járványhelyzet megengedi - élőben.
- Időpont: péntek 12:00-13:30
- Online helyszín: “Crs 21-22-2 deepln1u0um20sm 1 Mély tanulás (deep learning) szeminárium” általános (general) csatornájában nyitott videóbeszélgetés
- Offline helyszín: (később, ahogyan a járványhelyzet megengedi) 1-820 Hajós György terem (LD-1-820)
- Link a tárgy Teams csatornájára
-
Külön csatornát hoztunk létre a házi feladatokkal és egyéb technikai kérdésekkel kapcsolatban: Teams technikai és házi feladat kérdések csatorna
- A belépéshez caesar.elte.hu vagy student.elte.hu fiókra van szükség
- Meeting etikett
- Kérjük, hogy mindenki hang nélkül jelentkezzen be a szobába.
- A kérdések feltevését erősen bátorítjuk, de szeretnénk keretek között tartani. Előadás közben kérdéseket a meeting chat funkcióján keresztül lehet feltenni. Az előadó mellett lesz a szobában olyan oktató, aki a kérdéseket írásban megválaszolja, vagy szóban közvetíti az előadó felé. Emellett az előadó gyakran meg fogja adni a lehetőséget, hogy a hallgatók szabadon kérdezzenek, akár írásban, akár szóban.
- A házi feladatok státusza ebben a táblázatban követhető: Táblázat
Házi feladatok:
- 1. házi feladat Határidő: 2022. március 25. 11:00
- 2. házi feladat Határidő: 2022. április 01. 11:00
- 3. házi feladat Határidő: 2022. április 22. 11:00
- 4. házi feladat Határidő: 2022. május 06. 11:00 (Leadás: Teams assignment)
- Ötödik házi feladat, hamarosan jön!
- 6. házi feladat Határidő: 2022. június 12. 12:00
A 2022-es tavaszi félév programja
- 2022. 02. 11. Bevezető, kedvcsináló
- Előadó: Varga Dániel
- 2022. 02. 18. Deep Learning alapfogalmak
- Előadó: Csiszárik Adrián
- 2022. 02. 25. Labor: Deep Learning programozási alapismeretek
- Előadó: Benkő Beatrix
- 2022. 03. 04. Konvolúciós hálózatok
- Előadó: Csiszárik Adrián
- 2022. 03. 11. Mély hálók: Batchnorm, Resnet; Optimalizálás neurális hálózatokban
- Előadó: Csiszárik Adrián
- 2022. 03. 18. Generatív modellezés (Generative Adversarial Networks): Előadás és további linkek
- Előadó: Varga Dániel
- 2022. 03. 25. StyleGAN és CLIP
- Előadó: Varga Dániel
- 2022. 04. 01. Generatív modellezés (Variational Autoencoders)
- Előadó: Kiss Melinda
- További hasznos linkek
- 2022. 04. 08. Természetes nyelv feldolgozás (NLP)
- Előadó: Csanády Bálint
- Az előadáshoz tartozó notebookok:
-
2022. 04. 15. Tavaszi szünet
- 2022. 04. 22.
- Előadó: Csanády Bálint
- Az előadáshoz tartozó notebook:
- 2022. 04. 29. Megerősítéses tanulás
- Előadó: Csiszárik Adrián
-
2022. 05. 06. Pázmány nap
- 2022. 05. 13. Öntanulás (Self supervised learning)
- Előadó: Csiszárik Adrián
Jegyszerzés módja
A jegyszerzéshez a kiadott 6 házi feladatból legalább 5-öt el kell készíteni.
Feltételezett előismeretek
Lineáris algebrai alapismeretek, többváltozós analízis alapismeretek, python alapismeretek
A jegyszerzést megkönnyítő további előismeretek: gépi tanulás alapfogalmai, valószínűségszámítási alapismeretek, python tudományos programozás (numpy, scipy)
Konzultáció
Személyes konzultáció előzetes e-mail egyeztetés alapján
Előadók:
- Benkő Beatrix: b[keresztnev]1010@gmail.com
- Csanády Bálint: cs[keresztnev]@cs.elte.hu
- Csiszárik Adrián: cs[keresztnev]@renyi.hu
- Kiss Melinda: [keresztnev]f[vezeteknev]@gmail.com
- Lukács András: [vezeteknev]@cs.elte.hu
- Varga Dániel: [keresztnev]@renyi.hu
Hosszútávú kutatási lehetőségek
Az érdeklődő hallgatók számára lehetőséget biztosítunk izgalmas kutatási projektekbe való bekapcsolódásra.
Alább kedvcsináló illusztrációk néhány sikeres deep learning rendszerről. Ezek, vagy egyszerűbb változataik a szemináriumon is bemutatásra kerülnek majd.
A Mask R-CNN képszegmentáló:
A StackGAN szöveget képpé alakító rendszer:
Látens térbeli szemantikus képmanipuláció. Illusztráció a FaceApp-ból:
Az AlphaZero négy órával a sakk szabályainak megismerése után legyőzi a sakkvilágbajnok Stockfish programot. AlphaZero világossal lép:
