| Γνωστική Περιοχή: | Υπολογιστικών και Εφαρμοσμένων Μαθηματικών | ||
| Εξάμηνο: | 8o | ||
| Κωδικός: | 82404 | ||
| Τύπος Μαθήματος: | Επιλογής | ||
| Ώρες Διδασκαλίας: | Θεωρία: 3 | Άσκηση: 0 | Εργαστήριο: 0 |
| ECTS : | 5 | ||
| Ιστοσελίδα Eclass: | |||
| Διδάσκοντες Μαθήματος: | |||
| Περίγραμμα μαθήματος: | Για να δείτε ή να αποθηκεύσετε το αρχείο πατήστε εδώ. | ||
Περιεχόμενο
Βασικές αρχές των νευρωνικών δικτύων και την μηχανικής μάθησης. Βαθιά δίκτυα πρόσθιας τροφοδότησης, τεχνικές ομαλοποίησης και αλγόριθμοι βελτιστοποίησης. Τα συνελικτικά δίκτυα, λειτουργίες συνέληξης, τα βαθιά ανατροφοδοτούμενα δίκτυα, τα βαθιά δίκτυα αυτοενισχυόμενης μάθησης, τα αναδρομικά δίκτυα (RNN, GRU, LSTM). Οι αυτοκωδικοποιητές και τα παραγωγικά δίκτυα αμφισβήτησης (GAN) ως τεχνικές επιβλεπόμενης βαθιάς μάθησης. Παραδείγματα κα εφαρμογές σε διάφορες περιοχές όπως η ανάλυση εικόνας, η υπολογιστική όραση και η επεξεργασία φυσικής γλώσσας.
Προγραμματισμός των παραπάνω μεθόδων και αλγορίθμων σε γλώσσα Προγραμματισμού Python.
Βιβλιογραφία
- Aggarwal C.C., Νευρωνικά Δίκτυα και Βαθιά Μάθηση, Εκδ. Γρηγόρης Χ. Φουντάς, 1η έκδ. 2020. Κωδικός βιβλίου στον Εύδοξο: 94691948
- Kubat M., Εισαγωγή στη Μηχανική Μάθηση, Εκδ. Γρηγόρης Χ. Φουντάς, 2η έκδ. 2021. Κωδικός βιβλίου στον Εύδοξο: 102074861
- Goodfellow I., Bengio Y., Courville, Deep Learning, Εκδ. ΜΙΤ Press, 2016.
