Záznam : https://www.youtube.com/watch?v=t1Rm2RyB-8M
Keď používame nejaký model hlbokého učenia, pochopiť ako a prečo funguje je na základe jeho architektúry takmer nemožné. Na to potrebujeme poznať históriu ako a cez aké verzie sa k danej architektúre výskumníci dopracovali. V prednáške zhrnieme základné míľniky tejto histórie, počnúc Rosenblattovým perceptrónom a končiac prvými úspešnými hlbokými neurónovými sieťami. Pritom uvedieme základné myšlienky, ktoré za týmito míľnikmi stáli: od univerzálneho aproximátora cez konvolučné siete, autoenkódery, plne konvolučné siete po hlboké siete s typickými stavebnými prvkami (dropout, ReLU, batch normalization, reziduálne spojenia), metrické chybové funkcie a transformery.
Prednášajúci: RNDr. Andrej Lúčny, PhD. pochádza z Banky pri Piešťanoch a pôsobí na Katedre aplikovanej informatiky na Matfyze v Bratislave, kde vyštudoval (pod vedením prof. Jozef Kelemena) odbor umelá inteligencia a získal doktorát z aplikovanej informatiky. V značnej miere pôsobí v komerčnej sfére (MicroStep-MIS, ME-Inspection). Je spoluzakladateľom občianskych združení Robotika.SK a Trojsten. Istý čas pôsobil ako hlavný porotca Central European Regional ACM Programming Contest a je pravidelným porotcom súťaže mobilných robotov ISTROBOT.
Pripravila: Hana Dojčanová
Záznam: Pavel Bohuš
