Νευρωνικά Δίκτυα - Βαθιά Μάθηση από Πληροφορική

[Thmmy.gr portal]

  Thmmy.gr portal
   Forum
   Downloads
   Ενεργ. Λογαριασμού
   Επικοινωνία
  
  Χρήσιμα links
   Σελίδα τμήματος
   Βιβλιοθήκη Τμήματος
   Elearning
   Φοιτητικά fora
   Πρόγραμμα Λέσχης
   Πρακτική Άσκηση
   Ηλεκτρονική Εξυπηρέτηση Φοιτητών
   Διανομή Συγγραμμάτων
   Ψηφιακό Καταθετήριο Διπλωματικών
   Πληροφορίες Καθηγητών
   Instagram @thmmy.gr
   mTHMMY
  
  Φοιτητικές Ομάδες
   ACM
   Aristurtle
   ART
   ASAT
   BEAM
   BEST Thessaloniki
   EESTEC LC Thessaloniki
   EΜΒ Auth
   IAESTE Thessaloniki
   IEEE φοιτητικό παράρτημα ΑΠΘ
   SpaceDot
   VROOM
   Panther
  

THMMY.gr Web

Helios_MultiScribbles2SMF Default ThemeSMFone_Blue

[Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads]

Είσαι πρωτοετής;... Καλώς ήρθες! Μπορείς να βρεις πληροφορίες εδώ. Βοήθεια για τους καινούργιους μέσω χάρτη.

Κατεβάστε εδώ το Android Application για εύκολη πρόσβαση στο forum.

Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads με προσοχή στα ονόματα των αρχείων!

[Admins]

Για αλλαγή του public name σας, επικοινωνήστε με έναν από τους Admins.

[ThanosTheTT]

Υπάρχει κάποια γνώμη για το μάθημα; Είναι ζόρικο; Kαθώς ως ενεγειακός δεν έχω καθόλου εμπειρία με νευρωνικά δίκτυα αλλά θα με ενδιέφερε να το επιλέξω. Έχει εργασίες; και αν ναι πως προκύπτει ο τελικός βαθμός.

[okan]

Υπάρχει κάποια γνώμη για το μάθημα; Είναι ζόρικο; Kαθώς ως ενεγειακός δεν έχω καθόλου εμπειρία με νευρωνικά δίκτυα αλλά θα με ενδιέφερε να το επιλέξω. Έχει εργασίες; και αν ναι πως προκύπτει ο τελικός βαθμός.

Το μάθημα δεν είναι της πλάκας. Έχει υποχρεωτικές εργασίες που είναι μίας κάποιας δυσκολίας. Για την αξιολόγηση του μαθήματος ισχύει:

▶ Τελικές εξετάσεις (60%) με ανοικτά βιβλία
▶ Υποχρεωτικές εργασίες (60%) με προφορική εξέταση

Οι βαθμοί του μαθήματος είναι ψηλοί, αλλά θέλει ενασχόληση μέσα στο εξάμηνο. Αν δεν έχεις καμία ιδέα πάλι μπορείς να ανταποκριθείς, γιατί πρόκειται για εισαγωγή στα νευρωνικά. Το θέμα είναι πόσο εντάξει είσαι με τον προγραμματισμό σε python, γιατί αν δεν είσαι θα σου παίρνουν περισσότερο χρόνο οι εργασίες, οπότε έχε το στο νου σου.

[sassi]

Το μάθημα δεν είναι της πλάκας. Έχει υποχρεωτικές εργασίες που είναι μίας κάποιας δυσκολίας. Για την αξιολόγηση του μαθήματος ισχύει:
Οι βαθμοί του μαθήματος είναι ψηλοί, αλλά θέλει ενασχόληση μέσα στο εξάμηνο. Αν δεν έχεις καμία ιδέα πάλι μπορείς να ανταποκριθείς, γιατί πρόκειται για εισαγωγή στα νευρωνικά. Το θέμα είναι πόσο εντάξει είσαι με τον προγραμματισμό σε python, γιατί αν δεν είσαι θα σου παίρνουν περισσότερο χρόνο οι εργασίες, οπότε έχε το στο νου σου.

Θέλει γενικά παρακολούθηση;
Γενικά η διαδικασία για να το δηλώσουμε ποια είναι;

[okan]

Θέλει γενικά παρακολούθηση;
Γενικά η διαδικασία για να το δηλώσουμε ποια είναι;

Η παρακολούθηση είναι ανάλογα τι σε βολεύει. Πολλοί δεν το παρακολουθούν, γιατί πέφτει με άλλα μαθήματα ηλεκτρονικής εκείνη την ώρα.
Η διαδικασία είναι ό,τι ακολουθείς και για τα μαθήματα της σχολής. Το βρίσκεις στο sis και το δηλώνεις.

[ThanosTheTT]

Οι βαθμοί του μαθήματος είναι ψηλοί, αλλά θέλει ενασχόληση μέσα στο εξάμηνο. Αν δεν έχεις καμία ιδέα πάλι μπορείς να ανταποκριθείς, γιατί πρόκειται για εισαγωγή στα νευρωνικά. Το θέμα είναι πόσο εντάξει είσαι με τον προγραμματισμό σε python, γιατί αν δεν είσαι θα σου παίρνουν περισσότερο χρόνο οι εργασίες, οπότε έχε το στο νου σου.

ok σε ευχαριστώ

[Tasos Bot]

Ώρα για Νευρωνικά:
Προαπαιτούμενα
Αν και υποκλάδος της μηχανικής μάθησης, δεν έχει κάποιο μάθημα (π.χ. αναγνώριση προτύπων και μηχανική μάθηση) ως προαπαιτούμενο.
Δυσκολία
Απαιτητικό μάθημα, κυρίως για την εκπόνηση των εργασιών. Η εξέταση είναι αρκετά πιο εύκολη.
Θετικά
1) Καλύπτει μια ευρεία γκάμα της ύλης των νευρωνικών δικτύων.
2) Ο διδάσκων κάνει αρκετά καλές διαλέξεις.
3) Οι εργασίες καλύπτουν όλη την ύλη και αποτελούν το 60% του τελικού βαθμού που σε συνδυασμό με το 50% του βαθμού που δίνει η τελική εξέταση αποκτούν και μικροπροσθετικό χαρακτήρα. (Οι βαθμολογίες τους είναι γενικά υψηλές)
4) Μας παρουσιάστηκε το πως μπορούμε να αποκτήσουμε πρόσβαση σε GPUs του Google Colab.
5) Έγινε κάποιο σεμινάριο από την Google.
Αρνητικά
1) Ελάχιστες διαλέξεις ασκήσεων ενώ οι εξετάσεις έχουν 3 ασκήσεις (καλύπτουν το 70% του βαθμού της εξέτασης αν θυμάμαι καλά).
2) Οι εργασίες έχουν μεγάλη ελευθερία και ασάφεια ως προς το τι πρέπει να κάνει κανείς για να πάρει άριστα. Από τη μια καλή η ελευθερία αλλά από την άλλη δεν ξέρει κανείς αν έχει δείξει αρκετά πράγματα στην αναφορά. (Βέβαια, αυτό το άγχος μπορείτε να το αποβάλλετε βλέποντας το πόσο υψηλοί γενικά είναι οι βαθμοί)
3) (Όχι απαραίτητα αρνητικό) Εξέταση των εργασιών (μέσω παρουσίασης zoom) εν μέσω εξεταστικής περιόδου. Με λίγα λόγια, μέσα στην εξεταστική, αν δεν το κάνετε πιο πριν, θα κληθείτε να φτιάξετε διαφάνειες από τις αναφορές σας και μια δεκάλεπτη παρουσίαση των εργασιών σας. Η παρουσίαση, που είναι υποχρεωτική γίνεται ενώπιον του διδάσκοντα ο οποίος θα κάνει και κάποιες ερωτήσεις (συνήθως δεν είναι ψαρωτικές) αλλά του τύπου αν έχει ασχοληθεί κανείς με τα νευρωνικά δίκτυα πριν το μάθημα, από που βρήκε κώδικα για να τα κατασκευάσει και αν έχει δοκιμάσει κάποια κατασκευή απλού νευρωνικού από το μηδέν (δηλαδή χωρίς framework pyTorch ή Tensorflow) Συμβουλή: Δοκιμάστε να κάνετε από μόνοι σας ένα μικρό νευρωνικό, έστω και έναν δυαδικό ταξινομητή, θα το εκτιμήσει θετικά και θα μάθετε καλύτερα και κάποια μαθηματικά πίσω από την μαγεία των νευρωικών δικτύων. (Ούτε εδώ μην αγχώνεστε, οι βαθμοί είναι υψηλοί)
4) Για την σύνταξη του κώδικα (είτε PyTorch είτε Tensorflow) κανείς θα πρέπει να ψαχτεί αρκετά από μόνος του.
Τρόπος Προετοιμασίας
Μεγαλύτερος είναι ο φόρτος των εργασιών παρά της εξέτασης, οπότε φροντίστε να βάλετε μεράκι στις εργασίες. Σε ότι αφορά την εξέταση, αν και δίνετε με ανοικτό βιβλίο καλό θα είναι να έχετε διαβάσει λίγο θεωρία (αν και πολλές ερωτήσεις θεωρίας θα τις έχετε καταλάβει-"δει" μέσα από τις εργασίες). Τέλος, σε ότι αφορά τις ασκήσεις της εξέτασης αυτές εμπίπτουν σε 3-4 κατηγορίες και ανακυκλώνονται, οπότε απαιτείται μια κάποια τριβή με παλιά θέματα και τις όποιες ασκήσεις γίνουν.
Περνιέται εύκολα;
Πολύ δύσκολο να κοπείς.
Προσφέρεται για βαθμό;
Ναι, για 9+.
Θα το ξαναέπαιρνα;
ΝΑΙ, ίσως το αγαπημένο μου μάθημα από το 7ο εξάμηνο.