Konwolucyjne Sieci Neuronowe

Konwolucyjne sieci neuronowe reprezentują algorytmy uczenia głębokiego, które w ostatnich latach dominują w dziedzinie uczenia maszynowego i sztucznej inteligencji. Uczenie głębokie realizowane wieloetapowo w architekturze hierarchicznej pozwala na wykrywanie podstawowych i wtórnych cech rozpoznawanych obiektów, reprezentujących różne poziomy abstrakcji (uczenie się reprezentacji). Dzięki temu jest szczególnie przydatne w rozpoznawaniu złożonych obiektów, np. na zdjęciach lub reprezentowanych przez sygnały dźwiękowe. Sieć konwolucyjna może z powodzeniem uchwycić zależności czasowe i przestrzenne obrazu za pomocą odpowiednich filtrów.

[@MrJaksik]

Bardzo przydatne

[@rafaromanozademelmac6095]

Hiper zrozumiałe wyjaśnienie budowy sieci konwolucyjnych.

[@rkons88]

Świetna prezentacja 😊

[@wiktorbabiarz6758]

W jaki sposób obliczany jest gradient (pochodne względem parametrów)?

[@AB-bp9fi]

Super prezentacja. "Ship" to statek. Gdyby były jakieś studia podyplomowe zdalne w temacie ai/ machine learning to bym chętnie się zapisał. A może będzie jakiś wykład w dziedzinie analizy danych 3d?