Είσοδος

Βαθιά Μηχανική Μάθηση

  Προσοχή:
Οργανώστε το μάθημά σας από απόσταση αξιοποιώντας εργαλεία που παρέχονται στην κοινότητα του ΕΜΠ δωρεάν. Δείτε τις σχετικές οδηγίες για να εξετάσετε τις επιλογές σας και για να διαβάσετε οδηγίες, σχετικά με τη δημιουργία ζωντανής μετάδοσης μιας διάλεξης και τους τρόπους διαμοιρασμού της με τους φοιτητές σας μέσα από το mycourses.

 

Γενικά στοιχεία

 

 
Περιγραφή

Syllabus

Εκμάθηση περίπλοκων αναπαραστάσεων σε δεδομένα, μέσω της ανάλυσής τους σε μιας ιεραρχία απλούστερων εννοιών. Βαθιά δίκτυα πρόσθιας τροφοδότησης, τεχνικές ομαλοποίησης (πρόωρη διακοπή, dropout), αλγόριθμοι βελτιστοποίησης (nesterov momentum, RMSProp, AdaGrad, Adam), τα συνελικτικά δίκτυα (λειτουργίες συνέληξης, pooling), τα βαθιά ανατροφοδοτούμενα δίκτυα, τα βαθιά δίκτυα αυτοενισχυόμενης μάθησης, τα αναδρομικά δίκτυα (RNN, GRU, LSTM), τα deep belief networks, τα generative adversarial networks (GAN), οι αυτοκωδικοποιητές καθώς και εφαρμογές τους σε διάφορες περιοχές όπως η ανάλυση εικόνας, η όραση υπολογιστών και η επεξεργασία φυσικής γλώσσας.

Ιστοσελίδα μαθήματος (ΔΠΜΣ ΕΔΕΜΜ)

Ωρολόγιο πρόγραμμα (ημέρα, ώρα και χώρος διδασκαλίας)

Κάθε Πέμπτη, 11:45-14:30 ως εξής 11.45-12.30 κτ. Ηλεκ., αίθ. 005, 12:45-14:30 PC Labs ΣΗΜΜΥ (αίθουσα Α1)

Έκτακτες συνθήκες διδασκαλίας λόγω COVID-19 - Τηλεκπαίδευση

Λόγω των περιοριστικων μέτρων για τον COVID-19 οι διαλέξεις και τα εργαστήρια δεν μπορούν να πραγματοποιηθούν με φυσική παρουσία. Προκειμένου να προχωρήσει η εκπαιδευτική διαδικασία θα πρέπει να χρημιοποιηθούν πλατφόρμες τηλεκπαίδευσης. 

Microsoft Teams 

Η πλατφόρμα τηλεκπαίδευσης που επιλέχθηκε για το μάθημα είναι το Microsoft Teams. Όλοι όσοι έχουν κεντρικη ταυτοποίηση στο central.ntua.gr έχουν αυτόματα πρόσβαση στο Microsoft Teams, χωρίς να χρειαστεί πρόσθετος διαμοιρασμός προσωπικών στοιχείων. Παρακαλούμε διαβάστε εδώ τις οδηγίες για σπουδαστές ώστε να μπορείτε να συνδεθείτε.

Εφόσον έχετε συνδεθεί επιτυχώς στο Teams μπορείτε να συνδεθείτε με την ομάδα του μαθήματος ως εξής:

Κωδικός σύνδεσης με την ομάδα: sdaiq0y

Σύνδεσμος για τις διαλέξεις του μαθήματος: link

Αποθετήριο Βιντεοδιαλέξεων του μαθήματος

Όλες οι βιντεοδιαλέξεις που πραγματοποιούνται μέσω teams γίνονται άμεσα διαθέσιμες στο αποθετήριο του μαθήματος: Deep Learning Video Lectures Repository. Θα χρειαστεί να συνδεθείτε στο stream πάλι μέσω κεντρικής ταυτοποίησης (όπως στο team) και έχετε γραφτεί στην ομάδα της Βαθιάς Μάθησης.

 

Βιβλιογραφία

  • Σημειώσεις - διαφάνειες διαλέξεων (μενού "Εργαλεία->Έγγραφα"). Όλες οι διαλέξεις έχουν πρόσθετη βιβλβιογραφία στο τέλος.
  • Ian Goodfellow, Yoshua Bengio and Aaron Courville - "Deep Learning" (MIT Press) available online
  • Aston Zhang, Zack C. Lipton, Mu Li, Alex J. Smola - "Dive into Deep Learning" (Berkeley Deep Learning course textbook) available online (όλα τα κεφάλαια έχουν παραδείγματα σε notebooks με το DL library MXNet Gluon)
  • Deep Learning Wizard. Αναλυτικά Deep Learning tutorials σε PyTorch.

Εργασίες

Οι σπουδαστές παραδίδουν στο τέλος του εξαμήνου ομαδικές εργασίες.

Η εκφώνηση της εξαμηνιαίας εργασίας βρίσκεται στο μενού "Εργασίες". 

Mέθοδοι αξιολόγησης

Η αξιολόγηση προκύπτει από την εξέταση στο τέλος του εξαμήνου και την ομαδική εργασία (μενού εργασίες).

Διδάσκοντες

Γιώργος Στάμου
Ανδρέας-Γεώργιος Σταφυλοπάτης
Γεώργιος Σιόλας
Γεώργιος Αλεξανδρίδης
Παρασκευή Τζούβελη

 

Επικοινωνία

Επικοινωνία με τους διδάσκοντες - εργαστήριο: deeplearning@islab.ntua.gr


 
Συγχρηματοδότηση
από την Ε.Ε.