LABORATORIUM DEEP LEARNINGU

Program:

geometryczny deep learning

• k-means i mapy kohonena dla zanurzeń topologicznych
• mapy kohonena dla gęstości
• drzewa decyzyjne dla regresji i minimalizacji MSE
• gradient boosting dla regresji i minimalizacji MSE
• geometryczne domowej roboty t-SNE
• locality sensitive hashing i k-nearest neighbors
• PCA, ale inaczej niż zawsze
• domowej roboty konwolucja bez sieci neuronowej
• domowej roboty konwolucja z siecią neuronową

probabilistyczny deep learning

• entropia, cross-entropia, dywergencja Kullbacka-Leiblera
• drzewa decyzyjne dla minimalizacji cross-entropii
• gradient boosting dla minimalizacji cross-entropii (i dowolnych objective'ów)
• wariacyjny autoencoder
• GAN
• normalizing flows
• t-SNE

modele językowe

• RNN i LSTMy
• atencja
• transformer