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 διαλέξεων

Κάθε Πέμπτη, 11:45-14:30.

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 MS Teams: sdaiq0y

E-class

Από το ακ. έτος 2021 το περιεχόμενο του μαθήματος έχει μεταφερθεί στο e-class του εργαστηρίου AILS. Το mycourses ΔΕΝ θα ενημερώνεται.