Εξάμηνο:
7ο
Τύπος Μαθήματος:
Προαιρετικό (ΠΜ)
Κατεύθυνση:
CS (Computer Science)
Κωδικός:
ΥΣ19
ECTS:
6
Διδακτικές Ώρες
Ώρες Θεωρίας:
3
Ώρες Φροντιστηρίου:
1
Ώρες Εργαστηρίου:
-
Μάθημα στις Ειδικεύσεις
Θεμελιώσεις Πληροφορικής (S1):
-
Διαχείριση Δεδομένων και Γνώσης (S2):
B Βασικό
Λογισμικό (S3):
-
Υλικό και Αρχιτεκτονική (S4):
-
Επικοινωνίες και Δικτύωση (S5):
-
Επεξεργασία Σήματος και Πληροφορίας (S6):
-
Σχετικά Μαθήματα
Αναλυτική Περιγραφή
Σύντομη περιγραφή Μαθήματος
Το μάθημα επικεντρώνεται στην μελέτη τεχνικών βαθιάς μάθησης (deep learning) και την χρήση τους για την επίλυση προβλημάτων επεξεργασίας φυσικής γλώσσας (natural language processing).
Τα θέματα που καλύπτονται είναι: introduction to machine learning, regression, perceptron, neural networks, backpropagation, word vectors, word2vec and related models, dependency parsing, language modeling and RNNs, vanishing gradients and fancy RNNs, machine translation, seq2seq and attention, question answering, convolutional networks for NLP, contextual word embeddings, transformers, BERT and related models, natural language generation, question answering for knowledge graphs.
Οι εργασίες του μαθήματος θα γίνουν σε Python/TensorFlow/PyTorch.
e-Class link