Harmonogram

Wykłady

#	TEMAT	DATA
1	Sztuczna inteligencja – wprowadzenie	27.02
2	Ogólnie o SSN/Perceptron	4.03
3	Uczenie SSN	5.03
4	Sieci jednokierunkowe. Wsteczna propagacja błędu	11.03
5	Poprawa BP	12.03
6	Sieci samorganizujące się	19.03
7	Sieci rekurencyjne	26.03
8	Uczenie głębokie	09.04
9	Algorytmy genetyczne	16.04 23.04
10	Drzewa decyzyjne	07.05

Laboratorium

#	TEMAT	DATA
1	Omówienie treści, zasad zaliczenia. Wprowadzenie do środowiska Matlab/Phyton cz. 1	27.02
2	Wprowadzenie do środowiska Matlab/Phyton cz. 2	5.03
3	Perceptron prosty.	12.03
4	Uczenie pojedynczego neuronu.	19.03
5	Metoda wstecznej propagacji błędu i jej modyfikacje.	26.03
6	Preprocesing danych. Uczenie, testowanie i ocena pracy sieci neuronowej.	09.04
7	Kolokwium	16.04
8	Wykorzystanie sieci neuronowych do interpolacji.
9	Sieci neuronowe w zadaniach identyfikacji i klasyfikacji.
10	Sieci neuronowe w zadaniach predykcji.
11	Uczenie głębokie
12	Drzewa decyzyjne
13	Kolokwium