Neironu tīkli MI tehnoloģiju ietvarā (AIP 3)

Formāts: tiešsaistē

Ilgums: 6 stundas

Minimālais dalībnieku skaits grupā - no 10 cilvēkiem

Kursa tēmas:

Kas ir neironu tīkli:

• Neironu tīklu apskats un klasifikācija
• Neironu tīklu uzbūves principi
• Reāli neironu tīklu pielietojumi

MI projekta realizācija izmantojot konvulucionālo neironu tīklu (CNN)

• Klasifikācijas problēmas definēšana
• Galveno CNN parametru identificēšana
• Datu sagatavošana CNN apmācībai
• CNN koda sagatavošana, darbināšana, rezultāta testēšana

MI projekta realizācija izmantojot ilgtermiņa-īstermiņa atmiņas neironu tīklu (LSTM)

• Regresijas (laikrindas) problēmas definēšana
• Galveno LSTM parametru identificēšana
• Datu sagatavošana LSTM apmācībai
• LSTM koda sagatavošana, darbināšana, rezultāta testēšana

Praktiskais darbs:

• Veikt sākotnējo datu ielādi, apskatu, sagatavošanu neironu tīklu izmantošanas projektam.
• Izveidot datu klasifikācijas modeli darbinot CNN tīklu (piemēram, atpazīt attēlā konkrētu automobiļa ražotāju).
• Izveidot laikrindas prognozes modeli (piemēram, prognozēt diennakts temperatūru turpmākajām 3 dienām).

Nepieciešamās priekšzināšanas:

Moduļa Nr.1. zināšanu apjoms (datu sākotnējais apskats, datu tīrīšana, datu vizualizācija).

Vēlamas Moduļa 2. zināšanu apjoms.

Minimālais dalībnieku skaits grupā 10 cilvēki

Apliecība:
Pēc kursa apguves visi dalībnieki saņems oficiālu apliecību par kursa beigšanu digitālā formā (PDF formāts, ar atzīmi par kursa nosaukumu, stundu apjomu un apgūto tematiku).

Video ieraksts un materiāli:
Pēc kursa dalībniekiem būs pieejami:

• video ieraksti no visām nodarbībām
• prezentācijas, kodu piemēri, datu kopas un citi mācību materiāli, lai nodrošinātu iespēju atkārtot un pielietot apgūto praksē

Tehniskās prasības dalībniekiem:

• Stabils interneta pieslēgums dalībai attālinātajās nodarbībās (ieteicams – vadu savienojums vai kvalitatīvs Wi-Fi)
• Dators ar kameru un mikrofonu (tiešsaistes nodarbībām, interaktīvai līdzdalībai)
• Instalēta Python vide darbam ar datiem (piemēram, Jupyter Notebook, VS Code vai cita atbilstoša vide)
• Precīzas instalēšanas instrukcijas tiks nosūtītas pirms kursa sākuma
• Pamata prasmes darbā ar datoru
• Vēlamas priekšzināšanas Python un datu apstrādē (nav obligāti, bet atvieglos mācību procesu)

Pirms kursa:

• Visiem dalībniekiem tiks nosūtīta e-pasta vēstule ar tehnisko instrukciju, rīku sarakstu un piekļuves informāciju Zoom vai citai izmantotajai platformai.
• Tiks piedāvāta iespēja pārbaudīt savu vidi pirms kursa sākuma, pieslēdzoties testa sesijai.

Pasniedzējs un kursa autors: Jānis Bēniķis