A kurzus plakátja

Kapcsolódó kurzusok 2019/2020. tavaszi félévben:

MBNC99E-00006-1 Adatvezérelt ipari problémamegoldás matematikája
MMNV34-1 Modellezés II.

Időpont, helyszín 2019/2020. tavaszi félévben:

minden kedden 18.00-20.00, Haar terem

Ismertető:

A kurzus célja, hogy bevezetést adjon a képi detekció és szegmentáció matematikai alapjaiba. A fenti problémák megoldásának modern módszertana a mélytanulás (angolul Deep Learning) eszköztárát használja, így a kurzus a gépi tanulás (angolul Machine Learning) alapjainak lefektetése után a neurális hálózatok elméletét tárgyalja. Ezek a problémakörök fontos szerepet játszanak az önvezető autók és orvosi diagnosztikai eljárások fejlesztésében, ezért a kurzuson kiadott projektek témája is ezen területekből kerülnek ki.

A kurzusok célközönsége:

BSc III. éves, MSc I. éves és MSc II. éves hallgatók.

• BSc-n a kurzus előfeltétele a statisztika kötelezően választható kurzus.
• MSc-n nincs előfeltétele és párhuzamosan is hallgatható a Modellezés I. tárggyal.

Oktató:

Vizi Zsolt

1. Bevezetés, kurzus bemutatása

2. Gépi tanulás alapjai 1.: problémakörök, bevezető

3. Gépi tanulás alapjai 2.: költségfüggvény, optimalizálási probléma

4. Neurális hálózatok alapjai

5. Konvolúciós neurális hálózatok (CNN)

6. Regularizáció a mélytanulásban

7. CNN architektúrák

8. Detekció és szegmentáció

9. Keretrendszerek mélytanuláshoz

10.Adataugmentáció, transzfer tanulás

11. Vizualizációs stratégiák CNN-ekhez

12. Generatív ellenséges hálózatok (GAN)

13. Stílus transzfer

14. Projektek bemutatása

Python házi feladatok

• A kurzus során a kiadott anyagok alapján a hallgatóknak önállóan szükséges elsajátítani a Python programmozási nyelv alapjait. 
• A tanulás eredményességét egyszerű házi feladatokkal mérjük, ezek sikeres megoldása nélkül a kurzus nem teljesített.

Projektmunka

• A kurzus során a hallgatók párban fognak dolgozni egy kiadott cikk feldolgozásán, majd én végi prezentációján. A cikkek egy autóipari vagy egészségügyi szegmentációs vagy detekciós algoritmust írnak le, mindegyik cikkhez egy GitHub-os repository is tartozik, amely a megvalósítás programkódját tartalmazza. 
• A hallgatók feladata, hogy megértsék a cikket és a hozzátartozó kódot, lefuttassák, kipróbálják és kísérleteket, esetleg módosításokat végezzenek rajta, majd az eredményekről egy 15 perces előadáson az év végén beszámoljanak. 
• A kurzust csak azok teljesíthetik, akik részt vesznek az év végi prezentációkban (azaz a párok együtt adják elő munkájukat).