Main
Elementy Inteligencji Obliczeniowej
Materiały do przedmiotu znajdują się na stronie: http://www.jakub.bednarek.pracownik.put.poznan.pl/elementy-inteligencji-obliczeniowej-sieci-neuronowe/
Informacje organizacyjne:
- Arkusz obecności i ocen
- Wykonane zadania proszę przesyłać na maila iwo.bladek@cs.put.poznan.pl wraz z tagiem "[EIO]" w tytule.
- Informacje o zasadach zaliczenia: http://www.jakub.bednarek.pracownik.put.poznan.pl/elementy-inteligencji-obliczeniowej-sieci-neuronowe/
- Deadline na projekty: północ z 7/8.02.2020. Oceny będę wpisywać do eproto w sobotę 8.02. Aby dostać ocenę pozytywną należy również wcześniej oddać notebooki z zajęć.
Materiały dodatkowe:
- Neural Networks, seria na youtubie autorstwa 3Blue1Brown - bardzo dobrze i przystępnie wytłumaczone działanie oraz uczenie sieci neuronowych.
- Deep Learning Book – I.Goodfellow, Y.Bengio, A.Courville - solidne opracowanie dotyczące głębokiego uczenia przy pomocy sieci neuronowych, ale trochę ciężkie. Dostępne za darmo w internecie.
- Neural Networks and Deep Learning – M.Nielsen - książka podobnej klasy jak ta powyżej, ale chyba nieco prostsza i przyjaźniejsza dla nie-ekspertów. Dostępna za darmo w internecie.
- Leksykon sieci neuronowych – R.Tadeusiewicz, M.Szaleniec - hasłowo opisane różne tematy dotyczące sztucznych sieci neuronowych, z dużą liczbą ilustracji i dość prostym językiem.
- Artificial Intelligence: A Modern Approach – S.Russell, P.Norvig - solidna pozycja opisująca bardzo wiele zagadnień sztucznej inteligencji, w tym uczenia maszynowego.
- An Introduction to Statistical Learning – G.James, D.Witten, T.Hastie, R.Tibshirani - omówienie uczenia maszynowego z większym naciskiem na statystykę. Dostępna za darmo w internecie.
- Koło naukowe GHOST - koło naukowe na Politechnice Poznańskiej zajmujące się zagadnieniami uczenia maszynowego i analizy danych. Osoby zainteresowane tą tematyką mogą rozważyć zapisanie się na nie.