Prerekvizity

• Základní znalost programování v Pythonu
• Středoškolské znalosti lineární algebry. Bude předpokládáno základní porozumění pojmům jako vektor, matice, vektorový prostor a znalost násobení matic.
• Znalosti strojového učení na úrovni kurzu Úvod do strojového učení.

Co si účastník odnese

Náš workshop je pro machine learning začátečníky, kteří si mají chuť prakticky vyzkoušet neuronové sítě pro zpracování obrázků, ale ještě k tomu neměli tu pravou příležitost. Názornými experimenty spolu poodhalíme, jak a proč takové modely fungují, jaké jsou za jejich fungováním intuice a postupně přes jednoduché příklady dospějeme až k modelům, které se běžně používají v praxi. U těch se zaměříme na možnosti využití jejich vnitřní sémantické reprezentace obrázku a na to, jak co nejefektivněji vizualizovat jejich chování.

Osnova

• VGG 16 and ResNet
• Transfer learning a fine-tuning pro použití v klasifikaci obrazu
• Klasifikace obrázků
• Batch normalization a data augmentation
• U-net a Segmentace obrazu
• YOLO a detekce objektů v obraze
• GANs a superresolution
• Vysvětlitelnost konvolučních neuronových sítí
• Adversarial patch