Sugestii
    Navigare directă la

      Inteligența artificială

      Dezvoltarea conceptelor de machine learning pentru sisteme sisteme automotive care vizează rezolvarea problemelor și abordarea provocărilor din lumea reală, cu accent pe inovație.

      Teme

      Învățare automată
      1. Modele liniare pentru regresie și clasificare
        • Regresie liniară
        • Regresie logistică
      2. Support Vector Machines
        • SVM liniare
        • SVM neliniare
      3. Arbori de decizie
        • Arbori de clasificare
        • Arbori de regresie
      4. Învățare de ansamble și boosting
        • Boosting
        • Învățare de ansamble
        • Random forests
      5. Reducerea dimensionalității
        • Analiza componentelor principale (PCA)
        • Analiza componentelor independente (ICA)
      6. Învățare nesupervizată    
        • K-Means clustering
        • Gaussian mixtures
        • K-Nearest-Neighbors
        • Factorizarea non-negativă a matricilor
      7. Modele grafice
        • Clasificatorul naive Bayes
        • Hidden Markov Models
        • Rețele bayesiene
      8. Învățare prin consolidare (reinforcement learning)
        • Policy search
        • Markov Decision Processes
        • Q-Learning

      Bibliografie:
      1. Trevor Hastie, Robert Tibshirani, Jerome H. Friedman. The Elements of Statistical Learning. Springer, 2001.
      2. Christopher M. Bishop. Pattern Recognition and Machine Learning. Springer, 2006.
      3. Kevin Murphy. Machine Learning: A Probabilistic Perspective. MIT Press, 2012.
      4. Aurélien Géron. Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow: Concepts, Tools, and Techniques to Build Intelligent Systems. O'Reilly Media, 2019.

      Învățare profundă
      1. Matematica învățării profunde
        • Vectori, matrici și tensori
        • Operații cu tensori
        • Funcții de cost
        • Optimizarea funcțiilor de cost. Metoda gradientului descendent
      2. Rețele neuronale feed-forward
        • Rețele feed-forward pentru clasificare
        • Rețele feed-forward pentru regresie
      3. Rețele neuronale de convoluție
        • Straturile de convoluție
        • Straturile de eșantionare
      4. Rețele neuronale recurente
        • Straturile de embeddings
        • Straturile recurente de bază
        • Straturile LSTM, GRU
      5. Metode de regularizare
        • Regularizare L1, L2
        • Augmentarea datelor
        • Stratul de dropout
      6. Învățare profundă generativă
        • Generare de date secvențiale folosind rețele recurente
        • Autoencodere variaționale
        • Rețele generative adversariale

      Bibliografie:

      1. Ian Goodfellow, Yoshua Bengio, Aaron C. Courville. Deep Learning. MIT Press, 2016.

      2. Charu C. Aggarwal. Neural Networks and Deep Learning: A Textbook. Springer, 2018.

      3. Eugene Charniak. Introduction to Deep Learning. MIT Press, 2019.

      4. John D. Kelleher. Deep Learning. MIT Press, 2019.

      Vedere artificială
      1. Formarea imaginilor
        • Primitive și transformări geometrice 
        • Formarea fotometrică a imaginilor
        • Camera digitală
      2. Procesarea imaginilor
        • Operatori punctuali
        • Filtre liniare
        • Transformate Fourier
        • Transformări geometrice
      3. Detecția și potrivirea caracteristicilor
        • Puncte și patch-uri
        • Margini
        • Linii
      4. Segmentare
        • Contururi active
        • Împărțire și îmbinare
        • Mean shift și mode finding
      5. Aliniera bazată pe caracteristici
        • Aliniera bazată pe caracteristici 2D și 3D
        • Estimarea pose-urilor
        • Calibrarea geometrică intrinsecă
      6. Structure from motion
        • Triangulare
        • Structure from motion din două cadre
        • Factorizare
      7. Corespondența stereo
        • Geometria epipolară
        • Corespondența densă și împrăștiată
        • Metode locale
        • Optimzare globală
        • Stereo multi-view
      8. Recunoașterea
        • Detecția obiectelor
        • Recunoașterea fețelor
        • Recunoașterea instanțelor
        • Recunoașterea categoriilor
        • Înțelegerea contextului și a scenei

      Bibliografie:

      1. Richard Szeliski. Computer Vision: Algorithms and Applications. Springer, 2011.

      2. David A. Forsyth, Jean Ponce. Computer Vision: A Modern Approach. Pearson Education, 2011.

      3. Simon J. D. Prince. Computer Vision: Models, Learning, and Inference. Cambridge University Press, 2012.

      4. E. R. Davies. Computer Vision: Principles, Algorithms, Applications, Learning. Academic Press, 2017.

      Politica privind modulele cookie

      Utilizăm module cookie pentru a vă furniza cea mai bună experiență pe site-ul nostru web. Faceți clic pe „Acceptare toate” pentru a permite toate modulele cookie sau pe „Schimbare setări module cookie” pentru a decide în mod individual.

      Notă: Dacă sunteți de acord cu utilizarea cookie-urilor de performanță, vă exprimați totodată consimțământul ca datele dvs. personale să fie transmise către țări terțe nesigure (cum ar fi SUA) atunci când sunt utilizate. Aceste țări terțe nesigure nu oferă un nivel de protecție a datelor comparabil cu standardele UE. În cazul anumitor furnizori terți, cum ar fi Google și Mouseflow, nu sunt oferite alte garanții pentru a compensa acest deficit. Prin urmare, există riscul ca agențiile guvernamentale să vă acceseze datele cu caracter personal prin intermediul transmiterii fără ca dvs. să aveți opțiuni eficiente de protecție juridică.

      Informații suplimentare despre cookie-urile de performanță și transferul către țări terțe pot fi găsite în declarația privind protecția datelor.

      Dând clic pe butonul „Acceptă tot”, sunteți de acord în mod expres cu acest lucru. Consimțământul poate fi revocat în orice moment prin modificarea setărilor cookie-urilor. Prelucrarea ulterioară a datelor deja colectate înainte de revocare de către furnizorul terț nu poate fi exclusă.

      Un modul cookie este un fișier de date de mici dimensiuni care este stocat pe dispozitivul dvs. Utilizăm module cookie pentru a furniza funcționalități de bază și de confort, a măsura performanța site-ului web și a analiza comportamentul utilizatorilor pe site-ul web. 

      Modulele cookie necesare sunt activate permanent deoarece sunt indispensabile pentru funcționarea site-ului web și pentru stocarea consimțământului dvs. privind modulele cookie. Modulele cookie funcționale și de performanță sunt opționale. Toate modulele cookie opționale sunt dezactivate în mod implicit.

      Puteți modifica setările privind modulele cookie în orice moment prin accesarea Politicii noastre privind modulele cookie sau prin ștergerea memoriei temporare a browser-ului dvs.

      Afișare mai multe Afișare mai puțineless
      Înapoi
      Module cookie necesare NECESARE

      Aceste module cookie sunt necesare pentru a vă furniza funcționalitățile de bază ale site-ului web și pentru a asigura o livrare fiabilă și coerentă.

      Modulele cookie funcționale

      Aceste module cookie sunt utilizate pentru a furniza anumite funcționalități de confort.

      Module cookie de performanță

      Aceste module cookie sunt utilizate pentru a măsura performanța site-ului web și a analiza comportamentul utilizatorilor.