| Kods | DSP792 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Nosaukums | Dziļās mašīnmācīšanās pieejas datorredzei | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Statuss | Obligātais/Ierobežotās izvēles; Brīvās izvēles | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Līmenis un tips | Augstākā līmeņa, Akadēmiskais | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Tematiskā joma | Datorika | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Struktūrvienība | Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Mācībspēks | Egons Lavendelis | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Kredītpunkti | 4.0 (6.0 ECTS) | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Daļas | 1 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Anotācija |
Viena no pirmajām jomām, kurā tika pielietota dziļā mašīnmācīšanās, bija datorredzes risinājumi. Šajā jomā dziļā mašīnmācīšanās strauji aizstāja tradicionālās mašīnmācīšanās tehnikas gandrīz visu augstas sarežģītības uzdevumu risināšanai. Studiju kursā tiks apskatīts plašs uz dziļo mašīnmācīšanos balstītu datorredzes pielietojumu klāsts. Kursā tiks iekļauta teorētiskā daļa par dažādiem neironu tīkliem, kā arī sniegtas detalizētas zināšanas to praktiskai implementācijai. Galvenais uzsvars būs uz tādu sistēmu, kas balstītas uz dziļo mašīnmācīšanos, projektēšanu ar mērķi risināt praktiskas reālās pasaules problēmas.. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Studiju kursa saturs |
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Mērķis un uzdevumi, izteikti kompetencēs un prasmēs |
Kursa mērķis ir sniegt studējošiem pamatzināšanas un prasmes par to, kā novērtēt un izvēlēties piemērotu metodoloģiju dziļās mašīnmācīšanās tīklos sakņotu sistēmu projektēšanai un izstrādei. | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Sasniedzamie studiju rezultāti un to vērtēšana |
Studenti spēs izvēlēties dažādu klašu problēmu risināšanai atbilstošas stratēģijas un optimizēt problēmu risināšanas stratēģiju konkrētai problēmai - Jautājumi eksāmenā, studiju darba novērtējums un studiju darba aizstāvēšana Studenti būs ieguvuši labas zināšanas par dziļās mašīnmācīšanās pieejām - Jautājumi eksāmenā, studiju darba novērtējums un studiju darba aizstāvēšana Studenti spēs izstrādāt uz dziļo mašīnmācīšanos balstītas datorredzes sistēmas - Studiju darba novērtējums un studiju darba aizstāvēšana Studentiem būs detalizētas zināšanas par dziļās mašīnmācīšanās arhitektūru un tajā izmantotajiem konceptiem - Jautājumi eksāmenā, studiju darba novērtējums un studiju darba aizstāvēšana Studenti spēs novērtēt un izvēlēties metodoloģijas dziļās mašīnmācīšanās sistēmu izstrādei - Studiju darba novērtējums un studiju darba aizstāvēšana Studenti spēs projektēt datorredzes sistēmas - Studiju darba novērtējums un studiju darba aizstāvēšana |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Studiju rezultātu vērtēšanas kritēriji |
Laboratorijas darbi par dziļo neironu tīkli implementāciju - 20%
Kursa projekts - 40% Eksāmens - 40% |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Priekšzināšanas | Studentiem ir jāpārzina pamata mākslīgajā intelektā izmantotie algoritmi, piemēram, neinformēta un informēta pārmeklēšana, kā arī ir jāpārzina zināšanu atspoguļošanas shēmas, piemēram, pirmās kārtas loģika. Produkciju likumi, semantiskie tīkli, konceptuālie grafi un freimi. Studentiem jābūt vismaz pamata programmēšanas prasmēm C++/C# valodās. | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Studiju kursa plānojums |
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||