Βαθιά Μάθηση (Deep Learning)
- Categories Περιγραφές Μαθημάτων
- Date 10 Ιουλίου 2025
ΣΧΟΛΗ | Οικονομικών Eπιστημών | ||
ΤΜΗΜΑ | Στατιστικής | ||
ΕΠΙΠΕΔΟ ΣΠΟΥΔΩΝ | Προπτυχιακό | ||
ΚΩΔΙΚΟΣ ΜΑΘΗΜΑΤΟΣ | Stat810 | ΕΞΑΜΗΝΟ ΣΠΟΥΔΩΝ | 8o |
ΤΙΤΛΟΣ ΜΑΘΗΜΑΤΟΣ | Βαθιά Μάθηση (Deep Learning) | ||
ΕΒΔΟΜΑΔΙΑΙΕΣ ΩΡΕΣ ΔΙΔΑΣΚΑΛΙΑΣ | 3 | ||
ΠΙΣΤΩΤΙΚΕΣ ΜΟΝΑΔΕΣ | 5 |
Μαθησιακά Αποτελέσματα
Σε αυτό το μάθημα οι φοιτητές/τριες θα μάθουν τις βασικές έννοιες της βαθιάς μάθησης, τα βασικά μοντέλα που χρησιμοποιούνται στη βαθιά μάθηση και τον τρόπο επιλογής του καταλληλότερου σε διάφορους τομείς δεδομένων, όπως κείμενο, εικόνες και βίντεο.
Οι φοιτητές/τριες μετά την επιτυχή ολοκλήρωση του μαθήματος θα μπορούν:
- Να κατανοούν τα νευρωνικά δίκτυα και τη χρήση του στη βαθιά μάθηση.
- Γνωρίζουν και χρησιμοποιούν μοντέλα που χρησιμοποιούνται στη βαθιά μάθηση.
- Να εξάγουν μοτίβα από σύνολα δεδομένων.
- Να εκτελούν μεθόδους βαθιάς μάθησης.
- Να τροποποιούν αρχιτεκτονικές τεχνικές βαθιάς μάθησης.
- Να χρησιμοποιούν τεχνικές εκπαίδευσης και να συντονίζουν τις παραμέτρους των μεθόδων της βαθιάς μάθησης.
Περιεχόμενο Μαθήματος
Το περιεχόμενο του μαθήματος περιλαμβάνει τα ακόλουθα αντικείμενα:
- Εισαγωγή στη βαθιά μάθηση.
- Συνελικτικά και επαναλαμβανόμενα νευρωνικά δίκτυα. Μοντέλα και αρχιτεκτονικές.
- Βαθιές αρχιτεκτονικές νευρωνικών δικτύων.
- Δίκτυα πρόσθιας τροφοδότησης.
- Εκμάθηση με και χωρίς επίβλεψη.
- Εκμάθηση μεταφοράς.
- Ομαδοποίηση.
- Τεχνικές ομαλοποίησης.
- Αλγόριθμοι βελτιστοποίησης.
- Επιλογή χαρακτηριστικών.
- Συγχώνευση δεδομένων.
Αξιολόγηση Φοιτητών
H αξιολόγηση των φοιτητών/τριών γίνεται με δυο τρόπους:
- Πρόοδοι (70%) και Εκπόνηση Εργασίας (30%).
- Γραπτή τελική εξέταση 100% για τους φοιτητές/τριες που δε συμμετέχουν στις προόδους και δεν εκπονούν εργασία.
Συνιστώμενη Βιβλιογραφία
Προτεινόμενη Βιβλιογραφία:
- Goodfellow, I. Bengio, Y., Courville, A. (2024). Βαθιά Μάθηση. Εκδόσεις: ΚΛΕΙΔΑΡΙΘΜΟΣ ΕΠΕ. Κωδικός Βιβλίου στον Εύδοξο: 122075017.
- Aggarwal, C. (2020). Νευρωνικά Δίκτυα και Βαθιά Μάθηση. Εκδόσεις: ΓΡΗΓΟΡΙΟΣ ΧΡΥΣΟΣΤΟΜΟΥ ΦΟΥΝΤΑΣ. Κωδικός Βιβλίου στον Εύδοξο: 94691948
Πρόσθετο Διδακτικό Υλικό:
- Aggarwal, C. C. (2018). Neural networks and deep learning (Vol. 10, No. 978, p. 3). Cham:Springer.
- Goodfellow, I., Bengio, Y., Courville, A., Bengio, Y. (2016). Deep learning (Vol. 1, No. 2).Cambridge: MIT press. http://ndl.ethernet.edu.et/bitstream/123456789/88552/1/2018_Book_NeuralNetworksAndDeepLearning.pdf
- Λυκοθανάσης, Σ., Κουτσομητρόπουλος, Δ. (2023). Υπολογιστική Νοημοσύνη και Βαθιά Μάθηση. Εκδόσεις: ΚΑΛΛΙΠΟΣ Ανοικτές Ακαδημαϊκές Εκδόσεις. Κωδικός Βιβλίου στον Εύδοξο: 118392905.
Συναφή επιστημονικά περιοδικά:
International Journal of Semantic Computing.
IEEE Transactions on Neural Networks and Learning Systems.
Journal of Machine Learning Research.
Machine Learning.
Neural Computing and Applications.
Neural Networks.
Neurocomputing.