| Nr | Temat |
|---|---|
| 1 | Kwestie organizacyjne (plan zajęć, system oceniania). Wstęp do sieci neuronowych - architektura MLP. Omówienie kodu. |
| 2 | Pojęcie transferu wiedzy w sieciach neuronowych (szersze niż "transfer learning"). |
| 3 | Omówienie kodu algorytmów z obszaru przenoszenia wiedzy. |
| 4 | Idea i kod sieci konwolucyjnych, w tym popularne architektury: Resnet, VGG, DenseNet oraz zagadnienia augmentacji danych i zjawisko overfittingu. |
| 5 | Debaty studenckie na tematy z obszaru transferu wiedzy w sieciach neuronowych. |
| 6 | Prezentacje w ramach pierwszego kamienia milowego. |
| 7 | Framework Keras w wersji niskopoziomowej + analogia do Pytorcha (w tym pytorch.lightning). Wady i zalety dwóch frameworków na przykładzie Relation Network. |
| 8 | Algorytmy: MLP-Mixer, Knowledge Distillation - skeptical student. |
| 9 | Algorytm Multiple-instance learning. |
| 10 | Algorytmy: Cross-stitch networks, GradNorm. |
| 11 | Prezentacje studentów w ramach kamienia milowego nr 2. |
| 12 | Prezentacje studentów nt. najnowszych artykułów z Arxiv z obszaru transferu wiedzy. |
| 13 | Algorytm adaptacji w przypadku continual learning. |
| 14 | Omówienie nagrań z prezentacjami studentów. |
| 15 | Podsumowanie przedmiotu. |
- kamień_milowy_1a: 31.03.2022
- kamień_milowy_1b: 07.04.2022
- kamień_milowy_2: 05.05.2022
- praca nad projektem (48 pkt.):
- kamień milowy_1a: wstępny przegląd literatury z wybranego obszaru transferu wiedzy, harmonogram prac i podział obowiązków, prezentacja (11 pkt.)*
- aktywność_1: przygotowanie i poprowadzenie debaty studenckiej (3 pkt.)
- kamień milowy_1b: wstępny opis literatury w ramach artykułu (5 pkt.)*
- kamień milowy_2: (17 pkt. = 10 pkt. + 7 pkt.*)
- aktywność_2: opracowanie na zajęciach jednego z najnowszych artykułów na Arxiv pod kątem (Why?, What?, How?), prezentacja (5 pkt.)
- aktywność_3: recenzja prezentacji w ramach aktywności 2 (2 pkt.)
- aktywność_4: recenzja prezentacji finalnych (5 pkt.)
- prezentacja końcowa (16 pkt.*)
- raport końcowy (32 pkt.*)
- stosowanie dobrych praktyk wykorzystania GitHub (4 pkt.*)
* rozliczane grupowo