Podstawy aproksymacji - od analizy Fouriera do deep learning 231790-D
Ćwiczenia (CW) Semestr letni 2023/24

Informacje o zajęciach (wspólne dla wszystkich grup)

Liczba godzin:

Limit miejsc:

(brak limitu)

Zakres tematów:

Podstawy teorii miary (zbiory Borela, miara i całka Borela oraz Lebesgue?a)

- Elementy teorii grup lokalnie zwartych - powtórzenie liczb zespolonych, twierdzenia Haara i Pontrjagina (o dwoistości)

-Transformata Fouriera ogólna i przypadki specjalne.

- Transformata Fouriera podstawowe własności (Twierdzenia Bochnera Weila i Rajkowa oraz Twierdzenie Herglotza).

- Podstawy teorii aproksymacji - od MNK do sieci neuronowych

- Szeregi Fouriera i funkcje okresowe

- Studium przypadku z praktyki

- Teoria deep-learning

- Wprowadzenie do języka Julia

-Techniki uczenia modeli deep-larning i elementy etyki w modelowaniu

- Cwiczenia 1 - całkowanie

- Ćwiczenia 2 - obliczanie transformat Fouriera

- Cwiczenia 3 - rozkłady Fourierowski

- Cwiczenia 4 - przykłady zastosowań deep learning

- Ćwiczenia - analiza jakości modelu

Grupa	Termin(y)	Prowadzący	Akcje
11	co druga środa (parzyste), 11:40 - 13:20, sala 2B(Laptop)	Bartosz Pankratz	szczegóły
Wszystkie zajęcia odbywają się w budynku: budynek C

Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Szkoła Główna Handlowa w Warszawie.