Laboratorium SNN

Zaliczenie zajęć

Zaliczenie zajęć, projekty i propozycje tematów projektów

Rozwiązanie muszą być wykonane samodzielnie. Nie jest dozwolone udostępnianie rozwiązań innym osobom

Rozwiązania należy deponować w Moodle lub w repozytorium GitHub utworzonym na podstawie linku aktywującego zadanie. Adresy aktywujące repozytorium GitHub do deponowania rozwiązań znajduja się w Moodle.
Strona kursu w Moodle: https://moodle.umk.pl/WFAIIS/course/view.php?id=41

Plan

  1. Wstęp do python, jupyter, numpy, pandas, matlibplot, scikit-learn
  2. Model neuronu McCulloch-Pittsa,
  3. Prerceptron
  4. MLP, badanie różnych konfiguracji treningu
  5. Ocena jakości modeli, generalizacja, dobór hiperparametrów
  6. RBF
  7. Uczenie konkurencyjne, gaz neuronowy
  8. Uczenie korelacyjne, reguła Hebba
  9. Keras, Tensorflow i głebokie uczenie
  10. Sieci splotowe CNN
  11. Transfer learning
  12. Sieci rekurencyjne RNN
  13. Autokodery, VAE
  14. Sieci generatywne GAN (?)

Notatniki i zadania

Lab. 1 Wprowadzenie do Python i Jupyter
Lab. 2 Perceptron prosty
Lab. 3 MLP Softmax
Lab. 4 Generalizacja MLP
Lab. 5 RBF
Lab. 6 Kwantyzacja wektorowa
Lab. 7 Uczenie regułą Hebba
Lab. 8 Tensorflow i Keras
Lab. 9 Sieci splotowe
Lab. 10 Transfer learning
Lab. 11 Sieci rekurencyjne
Lab. 12 Autoenkodery

Środowisko pracy

Laboratoria realizowane są w języku Python z wykorzystaniem notatników Jupyter. Na pracowni komputerowej dostępna jest dystrybucja Anaconda (zalecane środowisko na zajęciach). Możliwe jest również wykorzystanie usług sieciowych umożliwiających edycję i uruchamianie notatników, jak Google Colab lub Binder. Python oraz jupyter-notebook dostępne są również na serwerze studenckim polon7.fizyka.umk.pl

Praca lokalnie (na pracowni lub własnym komputerze)

  1. Jeśli chcesz korzystać z repozytoriów GitHub do przesyłania rozwiązań to utwórz kopie repozytorium z zajęć klikając na adres podany w Moodle
  2. Pobieramy notatnik ipynb, np. klonując repozytorium GitHub
  3. Otwieramy wiersz poleceń Anaconda i przechodzimy do katalogu zawierającego pobrane pliki
  4. Uruchamiamy serwer Jupyter poleceniem 
    jupyter-notebook

    lub 

    jupyter-lab
  5. Po wykonaniu zadań należy zapisać notatnik wraz z wynikami
  6. Rozwiązanie umieszczamy w Moodle lub wypychamy do własnego repozytorium GitHub

Instalacja Anaconda

Google Colab (lub Binder)

Google colaboratory umożliwia zapis notatników do prywatnych repozytoriów GitHub, usługa Binder umożliwia wyłacznie import publicznych repozytoriów GitHub.

  1. Utwórz kopie repozytorium z notatnikiem poprzez link podany w Moodle
    https://moodle.umk.pl/WFAIIS/course/view.php?id=41#section-1
  2. Uruchom notatnik w Google Colab klikając
  3. Po wykonaniu zadania zapisz notatnik w repozytorium GitHub
    Plik → Zapisz notatnik w usłudze GitHub
  • Google Colab (zalecane)
    • dostęp do GPU
    • wymagane konto Google i autoryzacja
    • edytowane notatniki można zapisać na Dysku Google lub w GitHub (także w prywatnych repozytoriach)
    • sesja aktywna dopóki jest otworzona w przeglądarce (max. 12h.)
  • MyBinder (niezalecane)
    • tylko CPU, min. 1GB RAM
    • nie wymaga autoryzacji
    • brak możliwości zachowania zmian pomiędzy sesjami
    • sesja do 6 h., przerywana gdy brak aktywności przez 10 min
    • często długotrwała procedura konfiguracji i niestabilna praca (brak zapisu może powodować utratę danych)

Kilka przydatnych odnośników