Tárgyfelelős: Dr. Fogarassyné dr. Vathy Ágnes egyetemi docens
A tárgy a következő tárgyak ismeretét tételezi fel, azokra épít:
- Mesterséges intelligencia (MSc)
Tematika
Az alábbi témakörökkel kapcsolatos ismereteket sajátítják el egyéni képzési tervüket és érdeklődésüket is figyelembe véve a hallgatók:
T1. Neurális hálózatok
- neurális hálózatok tanítása, backpropagation, hiperparaméter-hangolás, regulaizáció, optimalizáló algoritmusok
T2. Rekurrens neurális hálózatok (RNN)
- visszacsatolt neurális hálózatok, a visszacsatolás hatása, RNN típusok és alkalmazásaik, Bidirectional RNN (BRNN), Deep RNN (DRNN)
- Gated Recurrent Unit (GRU), Long Short-Term Memory (LSTM)
T3. Egyéb hálózattípusok és alkalmazások
- neurális hálózatok a rangsorolásban: RankNet, LambdaRank, LambdaMART
- sziámi neurális hálózatok
- few-shot learning, one-shot learning
Irodalom:
1. Ian Goodfellow, Yoshua Bengio, Aaron Courville: Deep Learning, MIT Press (2016)
2. Stanford University: Recurrent Neural Networks https://stanford.edu/~shervine/teaching/cs-230/cheatsheet-recurrent-neural-networks#word-representation
3. Avrim Blum, John Hopcroft, Ravindran Kannan: Foundations of Data Science, Chapter 5-6