7. maijā Rīgas Stradiņa universitātē notiks cikla Mākslīgie neironu tīkli un dziļā mācīšanās otrais vebinārs Mākslīgo neironu tīklu veidi, to pielietojuma iespējas dažādu problēmu risināšana.
Otrajā vebinārā paredzēts apskatīt tādus mākslīgo neironu tīklu veidus, kā Convolutional Neural Networks (CNN), Recurrent Neural Networks (RNN) un Generative Adversarial Networks (GAN). Māklsīgo neironu tīklu demonstrācijas ar Python un Tensorflow.
Praktiskā daļa ir plānota kā projekta realizācija, izpildot vienu no uzdevumiem – ar Python un Tensorflow izveidot mākslīgo neironu tīklu dalībnieka izvēlētas problēmas risināšanai vai uzrakstīt vienas dziļās mācīšanās publikācijas recenziju.
Par lektoru
Dr. sc. ing. Uldis Doniņš ir RSU Informācijas tehnoloģiju departamenta Informācijas sistēmu nodaļas vadītājs. Uldis ir paplašinājis savas zināšanas un pieredzi mašīnmācīšanās (machine learning) un datietilpīgā skaitļošanas (data intensive computing) jomās Bufalo Universitātes, ASV, Inženierzinātņu un lietišķo zinātņu fakultātē. Mašīnmācīšanās kā daļa no mākslīgā intelekta nozares nodrošina datorsistēmu mācīšanās un lēmumu pieņemšanas iespējas, balstoties uz pieejamajiem datiem, izmantojot dažādus uzraudzītās (supervised), nepārraudzītās (unsupervised) un stimulētās (reinforcement) mācīšanās modeļus. Datietilpīga skaitļošana risina jautājumus attiecībā uz dažādiem datu formātiem, glabāšanas modeļiem, programmatūras arhitektūru, programmēšanas modeļiem un algoritmiem, kā arī rīkiem liela apjoma datu analīzei.
- Par vebināru ciklu
Pieaugot skaitļošanas tehnikas jaudai un iespējām, mākslīgā intelekta risinājumi ieņem arvien lielāku lomu dažādu procesu norisē un veikšanā. Seminārā tiks apskatīts, kas ir mākslīgie neironu tīkli, to uzbūves principi un veidi. Ar praktisku piemēru palīdzību tiks demonstrētas iespējas mākslīgo neironu tīklu izmantošanā dažādu veidu risinājumos ar Python un Tensorflow.
Semināra ietvaros tiks aplūkoti aktuālie dziļās mācīšanās algoritmi un to realizācijas iespējas, izmantojot Python, kas ir viena no populārākajām programmēšanas valodām.
Praktiskā daļa ir balstīta uz patstāvīgā darba, realizējot dziļās mācīšanās projektu.
Nākamais vebinārs šajā ciklā
| 4. jūnijā | Individuāli izstrādāto dziļās mācīšanās projektu prezentācijas un diskusijas |
