Artificial Intelligence with Deep Learning

Cilji predmeta

Seznaniti študente z osnovami umetne inteligence s poudarkom na modernejših pristopih (globokem učenju in spodbujevanem učenju). V ospredju predmeta je praktični del s konkretnimi primeri uporabe predstavljenih pristopov.

Vsebina predmeta

1. UMETNA INTELIGENCA – UVOD
• Kaj je UI
• Kratek zgodovinski pregled razvoja
• Prednosti in tveganja uporabe UI
• Primeri uporabe
2. UČENJE IZ PODATKOV
3. GLOBOKO UČENJE
• Usmerjene nevronske mreže
• Vhodno kodiranje
• Izhodni nivoji in funkcija izgube
• Skrite plasti
• Algoritmi učenja
• Posplošitve
• Konvolucijske nevronske mreže
• Nevronske mreže s povratno zanko
4. INTELIGENTNI AGENTI
5. SPODBUJEVANO UČENJE
• Učenje s spodbudo (Markovski odločitveni proces)
• Pasivno spodbujevano učenje
• Aktivno spodbujevano učenje
• Posplošitve
6. PRIMERI:
• Primer uporabe nevronskih mrež
• Uporaba konvolucijskih nevronskih mrež za prepoznavo obrazov in obraznih izrazov v Pythonu (deep face) - 1. del
• Uporaba konvolucijskih nevronskih mrež za prepoznavo obrazov in obraznih izrazov v Pythonu (deep face) - 2. del
• Spodbujevalno učenje v Pythonu (gym) ali kako pristati lunarni modul na luni – 1. del
• Spodbujevalno učenje v Pythonu (gym) ali kako spraviti vozoček na vrh hriba - 2. del

Nosilci predmeta

  •  
  •  
  •  
  •  
  • Govorilne ure
  • sreda ob 11.00 v RZ-304
  •  
  •  
  •  
  •  
  • Govorilne ure
  • četrtek ob 11.15 v RZ-403
Na vrh strani