Na seminarium będą omawiane zagadnienia związane z użyciem uczenia
maszynowego. Każdy przygotuje dwie prezentacje: jedną o pewnym
wyspecjalizowanym, ale ważnym algorytmie klasycznym (np. detektorze twarzy
Viola-Jones spotykanym w każdym aparacie fotograficznym) i drugą dotyczącą
najnowszych publikacji z wiodących konferencji naukowych (NIPS, ICML, ICLR).
Tematy omawianne w poprzednich latach ([pełna lista proponowanych tematów z
edycji
2017/2018](https://docs.google.com/spreadsheets/d/1MXfgPV5TbbwZde2ykU5I69fBKlU2cKDzy8WylsC-
jTQ/edit?usp=sharing)):
* Ciekawe i praktyczne, ale specjalistyczne algorytmy jak np. detektor twarzy Viola-Jones.
* Warianty i generalizacje klasycznych algorytmów, np. gradient boosting, nu-SVM, czy one-class SVM.
* Trochę technik uwzględniania danych nieopisanych lub dotyczących podobnych, ale nie identycznych zagadnień, czyli zagadnienia przeniesienia uczenia (transfer learning), uczenia z częściowym nadzorem (semi-supervised learning) oraz warianty popularnych algorytmów realizujące te techniki.
* Algorytmy uczenia ze wzmocnieniem (Reinforce).
* Sieci neuronowe sequence-to-sequence, CTC.
* Rozwinięcie tematów z kursu Sieci Neuronowe: nowe metody uczenia, zmany w architekturze sieci, zastosowania do przetwarzania języka, uczenie ze wzmocnieniem sieci neuronowych.
**Program:**
Na pierwszych zajęciach zostanie przedstawiona lista proponowanych tematów.
Szczegółowy program zostanie ustalony w ciągu dwóch pierwszych zajęć na
podstawie zainteresowań uczestników. Większość z proponowanych tematów dotyczy
nowych prac (z ostatnich 5 lat).
**Zasady zaliczeń:**
Wygłoszenie 2 krótkich (30-45) minut wystąpień przedstawiajacych wybraną
pracę. Maksymalnie 2 nieusprawiedliwione nieobecności. **
**
**Wymagania:**
Zaliczenie z jednego z przedmiotów: Sieci neuronowe, Eksploracja danych lub
Rachunek prawdopodobieństwa i statystyka
