Topic outline
Curs 0. Noțiuni introductive.
Subiecte abordate:
1. TensorFlow și Keras
2. Preprocesarea datelor
3. Exemplu de creare a unui model de RNA
4. Metrici de evaluare a rezultatelor
- Noțiuni introductive File
Curs 1. Înțelegerea rețelelor neuronale artificiale (RNA)
Subiecte teoretice aboradate:
1. Modelulperceptronului la rețelele neuronale
2. Funcții de activare
3. Funcții de cost
4. Rețele Feed Forward
5. BackPropagation
Subiecte practice abordate:
1. Sintaxa TensorFlow 2.0 Keras
2. Exemple de implementare RNA cu Keras
3. Vizualizare cu Tensorboard
- Înțelegerea rețelelor neuronale artificiale (RNA) File
Curs 2. Tipuri de rețele neuronale artificiale
Subiecte abordate:
1. Funcții de activare utilizate în rețelele neuronale.
2. Optimizatoare utilizate în rețelele neuronale.
3. Stratul de abandon (Dropout Layer) pentru rețelele neuronale.
4. Normalizarea loturilor (Batch Normalization) în rețelele neuronale.
5. Descrierea și aplicarea altor tipuri de rețele: Rețele Neuronale Convoluționale (CNN) și Rețele Neuronale Recurente (RNN)
- Tipuri de rețele neuronale artificiale File
Curs 3. Exemple de aplicații ale Rețelelor Neuronale Artificiale
Exemple abordate:
1. Elemente de vedere computerizată cu CNN.
2. RNN pentru serii temporale
3. Analiza textului cu RNN
- Exemple de aplicații ale Rețelelor Neuronale Artificiale File
Curs 4. Învățare profundă generativă
Subiecte abordate:
1. Modele secvență-la-secvență și mecanismul de atenție.
2. Variante și evoluții ale arhitecturii Transformer: BERT, GPT, T5.
3. Noțiuni de bază despre autoencoder.
4. Rețele Adversariale Generative (GAN).
- Învățare profundă generativă File
Lucrare practică nr. 1
Tema: Crearea unei rețele neuronale artificiale (RNA)
Scopul lucrării: Crearea unei rețele neuronale cu straturi Dense (Python) pentru clasificare binară.
Obiectivele lucrării:
1. Crearea unei rețele neuronale cu straturi Dense pentru operații simple în Python.
2. Antrenarea rețelei și validarea rezultatelor.
3. Optimizarea rețelei.
- Lucrare practică nr. 1 Assignment
Lucrare practică nr. 2
Tema: Crearea și aplicarea unei rețele neuronale convoluționale (CNN)
Scopul lucrării: Implementarea unei rețele neuronale convoluționale (CNN) pentru clasificarea imaginilor în Python
Obiectivele lucrării :
1. Crearea unei rețele neuronale convoluționale (CNN) pentru clasificarea imaginilor.
2. Antrenarea rețelei și validarea rezultatelor.
3. Compararea rezultatelor cu alte rețele precum Inception, ResNet ș.a.
- Lucrare practică nr. 2 Assignment
Lucrare practică nr. 3
Tema: Recunoașterea automată a obiectelor/persoanelor din imagine
Scopul lucrării: Implementarea unei rețele CNN ce ar recunoaște obiectul/persoana din imagine folosind Google Colab
Obiectivele lucrării:
1. Crearea mediului de lucru în Colab.
2. Crearea unui model de recunoaștere a obiectelor sau persoanelor din imagine.
3. Evaluarea rezultatelor.
- Lucrare practică nr. 3 Assignment
Lucrare practică nr. 4
Tema: Aplicații ale rețelei neuronale recurente (RNN)
Scopul lucrării: Implementarea unei RNN în Python
Obiectivele lucrării:
1. Preprocesarea limbajului natural. Folosirea vocabularelor română și engleză.
2. Crearea modelului, antrenarea și optimizarea rețelei.
3. Compararea rezultatelor cu alte modele: LSTM și GRU.
- Lucrare practică nr. 4 Assignment
Lucrare practică nr. 5
Tema: Rețele adversariale generative (GAN)
Scopul lucrării: Implementarea unei rețele GAN în Python
Obiectivele lucrării:
1. Înțelegerea conceptului de IA generativă. Studii de caz.
2. Crearea modelului, antrenarea și optimizarea rețelei.
3. Evaluarea rezultatelor.
- Lucrare practică nr. 5 Assignment
Test de evaluare 1
- Test de evaluare 1 File
Test de evaluare 2
- Test de evaluare 2 File