WEITI » Badania i nauka » Aktualności »
Zaproszenie na studia podyplomowe „Głębokie Sieci Neuronowe – zastosowania w mediach cyfrowych”
Nauczanie głębokie (ang. deep learning) – to nie technika na efektywne zakończenie edukacji, to unikatowa droga do poznania tajemnic uczenia maszynowego. Wszystkie zagadnienia zgłębisz podczas jedynych w Polsce rocznych podyplomowych studiów poświęconych jedynie sieciom neuronowym. Wyjątkowych kompetencji nabierzesz od światowej klasy ekspertów podczas wielu praktycznych ćwiczeń. Każdy kto zajmuje się projektowaniem i programowaniem aplikacji wykorzystujących inteligentne moduły oparte na głębokich sieciach neuronowych, w tym aplikacji typu Big Data, musi tu być!
Przybliżymy Wam takie zagadnienia jak:
- głębokie sieci neuronowe – dowiesz się jakie kategorie aplikacji mediów cyfrowych korzystają obecnie z modeli neuronowych. Poznasz podstawowe typy neuronowych sieci tensorowych i metodykę ich zapisu symbolicznego. Dowiesz się co to są równania przepływu gradientu dla podstawowych jednostek przetwarzania w sieciach głębokich i jakie znaczenie mają te równania w optymalizacji modeli neuronowych. Nauczysz się konfigurować najbardziej popularne algorytmy stochastycznej optymalizacji sieci głębokich. Oprócz podstawowych elementów platformy PyTorch poznasz nasze własne proste narzędzia definiowania architektur typu CNN w plikach konfiguracyjnych i w oparciu o nie, techniki trenowania i testowania modeli neuronowych bez konieczności użycia języka programowania
- programowanie głębokich sieci neuronowych - nauczysz się jak kodować w Pythonie podstawowe schematy przetwarzania danych. Będziesz umiał organizować zbiory danych trenujących i testowych na dysku i w pamięci w postaci wsadowej. Dowiesz się jak w praktyce stosować notacje tensorowe. Będziesz kodować w pakiecie PyTorch architektury sieci głębokich, zapisywać parametry ich optymalizacji oraz definiować funkcje strat stosowane w trenowaniu modeli definiowanych przez sieci typu CNN/RNN. Skonfigurujesz swoje sieci do pracy z jedną lub więcej niż jedną kartą graficzną
- modelowanie 3D - poznasz neuronowe metody detekcji oraz śledzenia twarzy oraz sylwetki/szkieletu osób w obrazie. Zrozumiesz znaczenie klasycznych modeli typu Candide-3D w identyfikacji geometrii twarzy, jej personalizacji i animacji. Będziesz identyfikować orientację głowy na podstawie obrazów z kamery internetowej. Dowiesz się jak budować modele rozpoznawania emocji w obrazie twarzy
- sieci głębokie w projektowaniu gier komputerowych –poznasz techniki generowania i wzbogacenia treści gry, w tym techniki powiększania rozdzielczości oraz transferu koloru i stylu, a także zastosujesz w praktyce poznane techniki. Zgłębisz problematykę doskonalenia procesów symulacji zjawisk fizycznych w grach komputerowych i będziesz konfigurować neuronowe moduły niezbędne w projektowaniu strategii gry
- rozpoznawanie obiektów cyfrowych - poznasz neuronowe metody rozpoznawanie twarzy w obrazie i będziesz konfigurować stosowne aplikacje. Dowiesz się jak definiować architektury wybranych sieci rozpoznawania mówcy. Zgłębisz techniki segmentacji audiowizualnej w materiale audiowizualnym i zastosujesz narzędzia segmentacji mediów cyfrowych
- indeksowanie obiektów cyfrowych - poznasz techniki segmentacji obrazu powiązane z jego adnotacją i będziesz konfigurować stosowne aplikacje. Dowiesz się jak działają techniki automatycznej adnotacji w materiale dźwiękowym i poznasz metody automatycznego streszczania zawartości wideo
- bezpieczeństwo w mediach cyfrowych - poznasz sygnałowe techniki detekcji i klasyfikacji wirusów w programach komputerowych. Dowiesz się na czym polega synteza i analiza podpisu cyfrowego w obrazie, a także w materiale dźwiękowym. Ocenisz walory praktyczne podpisu cyfrowego z wykorzystaniem mediów cyfrowych
- kompresja i zanurzanie obiektów cyfrowych - poznasz rolę doradczych sieci generacyjnych w kompresji i zanurzaniu mediów cyfrowych. Będziesz analizować własności takiej sieci i jej efektywność. Porównasz moduły kodowania arytmetycznego w sieciach głębokich z tradycyjnym modułem w standardach kompresji obrazu i zrozumiesz rolę splotu przyczynowego. Poznasz też techniki steganograficzne, w tym zanurzanie danych w obrazie i dźwięku. Dowiesz się jak konfigurować sieć głęboką kodera i dekodera steganograficznego
- sieci głębokie w projektowaniu gier komputerowych – aspekty inteligentnego interfejsu gracza - dowiesz się jak konfigurować interfejs gry wykorzystujący sieci głębokie. Będziesz potrafił także konfigurować i użytkować aplikacje generowania mowy i innych dźwięków w grze. Zastosujesz w grach komputerowych narzędzia rozpoznawanie poleceń głosowych i gestów
Kadra dydaktyczna to wybitni wykładowcy i praktycy z ogromnym doświadczeniem w obszarze uczenia głębokiego. Kierownikiem studiów podyplomowych „Głębokie Sieci Neuronowe – zastosowania w mediach cyfrowych” jest prof. dr hab. inż. Władysław Skarbek. Zapisy przyjmujemy do 15 września. Więcej informacji: https://deeplearning.ire.pw.edu.pl/
Zobacz sam jak wyglądają studia na tym kierunku: Zaproszenie na studia podyplomowe „Głębokie Sieci Neuronowe – zastosowania w mediach cyfrowych” - YouTube