| Kods | DSP801 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Nosaukums | Dziļā metriku mašīnmācīšanās | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Statuss | Brīvās izvēles | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Līmenis un tips | Augstākā līmeņa, Akadēmiskais | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Tematiskā joma | Datorika | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Struktūrvienība | Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Mācībspēks | Agris Ņikitenko | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Kredītpunkti | 4.0 (6.0 ECTS) | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Daļas | 1 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Anotācija |
Dziļā metriku mašīnmācīšanās dod iespēju reducēt daudzdimensiju datus, kā, piemēram fotoattēlus, video vai audio ierakstus, līdz dažu dimensiju latentajiem vektoriem, saglabājot semantisko informāciju latentajā telpā. Šādus modeļus plaši pielieto re-identifikācijas uzdevumos, kur modelis tiek vienreiz apmācīts ar apmācības datu kopu, bet pēc tam pielietots ar datu kopām, kur tiek kategorizētas un klasificētas līdz šim neredzētas klases. Piemēram, modeļi ir spējīgi atpazīt personu pēc sejas, kaut arī šī persona netika iekļauta apmācību kopā. Tāpat dziļā metriku apmācība ir svarīga arī ģeneratīvajos modeļos, kur latentā vektora dimensijām jābūt atšķetinātām, lai varētu kontrolēt iegūtā rezultāta semantiskās īpašības. Piemēram, mainot vienas dimensijas skaitliskās vērtības, ģenerētajā attēlā mainās matu krāsa, bet, mainot otru dimensiju, mainās sejas izteiksme. Šādus rezultātus var iegūt ar GAN, VEA un citiem modeļu veidiem. Studiju kursa ietvaros jaunie zinātnieki ar praktiskiem piemēriem, soli pa solim, apgūs visu nepieciešamo teoriju un rīkus, lai varētu uzsākt darbu pie saviem pētījumiem. Studiju kursā uzsvars tiek likts uz fundamentālu zinātni, kuru var pielietot daudz dažādos lietišķos pētījumos. Studentiem sākt darbu pasaules līmenī šajā nozarē ļauj pieeja RTU superdatoram (HPC), bez kura dziļās mašīnapmācības pētījumi nebūtu iespējami.. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Studiju kursa saturs |
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Mērķis un uzdevumi, izteikti kompetencēs un prasmēs |
Studiju kursa mērķis ir sagatavot jaunos zinātniekus savu pētījumu uzsākšanai dziļajā metriku mašīnmācīšanās un ģeneratīvo modeļu pētniecībā, kā arī dot zināšanas un praksi, lai šos modeļus studenti varētu pielietot praktisku uzdevumu risināšanā. Studiju kursa uzdevumi: - sniegt zināšanas un prasmes par dziļās metriku mašīnmācīšanās metodēm; - sniegt prasmes izmantot ģeratīvās mašīnmācīšanās metodes; - sniegt prasmes izmantot klasterizācijas un dimensiju reducēšans metodes; - nodrošināt prasmes implementēt modeļus PyTorch satvarā; - sniegt prasmes implementēt modeļus skaitļošanas klasterī (HPC). | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Sasniedzamie studiju rezultāti un to vērtēšana |
Spēj izprast un pielietot dimensiju reducēšanas metodes. - Mājasdarbu un praktisko darbu rezultāti.
Jautājumi eksāmenā. Spēj izprast un pielietot klasterizācijas metodes. - Mājasdarbu un praktisko darbu rezultāti. Jautājumi eksāmenā. Spēj izprast un pielietot dziļās metriku mašīnmācīšanās metodes. - Mājasdarbu un praktisko darbu rezultāti. Jautājumi eksāmenā. Spēj izprast un pielietot ģeneratīvo modeļu metodes. - Mājasdarbu un praktisko darbu rezultāti. Jautājumi eksāmenā. Spēj izmantot RTU HPC skaitļošanas klasteri. - Mājasdarbu un praktisko darbu rezultāti. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Studiju rezultātu vērtēšanas kritēriji |
Mājasdarbi - 60%
Praktiskie darbi - 20% Eksāmens - 20% |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Priekšzināšanas | Augstākā matemātika, varbūtību teorija, objektorientētā programmēšana. | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Studiju kursa plānojums |
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||