Uczenie głębokie w widzeniu komputerowym

Kurs obejmuje 15 jednostek wykładowo-laboratoryjnych i rozpoczyna się od przypomnienia podstaw sieci MLP oraz CNN. Całość kursu oparta na bibliotekach PyTorch oraz NumPy. W związku z tym pierwsze zajęcia laboratoryjne prezentują/przypominają istotne cechy biblioteki PyTorch potrzebne do skonstruowania klasycznych sieci neuronowych. W skrócie kurs obejmuje:

• Wprowadzenie i ugruntowanie wiedzy o sieciach MLP i CNN
• Sieci rekurencyjne
• Transformery
• Wizulizacje wyników
• Detekcja obiektów
• Segmentacja semantyczna
• Autokodery i Wariacyjne autokodery
• Sieci GAN
• Modele dyfuzyjne
• Uczenie reprezentacji

1. Podstawowe kompetencje w uczeniu maszynowym

1. K. Ayyadevara, Y. Reddy, Modern Computer Vision with PyTorch: Explore deep learning concepts and implement over 50 real-world image applications, Packt 2020/2024
2. V. Mirjalili, Y.H. Liu, S. Raschka, Machine Learning with PyTorch and Scikit-Learn, Packt 2022.