Course description

This introductory course focuses on deep learning, covering theoretical aspects and network architectures. Topics include Neural Networks, Optimization, Convolutional Neural Networks, Generative Models, RNNs and advanced techniques like Transformers.
In labs, students gain hands-on experience with Python, PyTorch, Image Classification, Transfer Learning, Object Detection, Sequence Models, NLP, Advanced Vision and Generative Models. The course concludes with a project presentation and competition.

Project/Competition

Students will work on machine learning projects (in groups of 2) to demonstrate their programming and deep learning skills mastered throughout the course. During the final labs, a class competition will be held and students will present projects in front of a committee. The winning team will be eligible for prize.

How to win 20 000 CZK?

Course Schedule

Lectures and labs are scheduled on Monday mornings between 9:00am and 12:00pm and are held in the Institute of Information Theory and Automation (UTIA), room 203.

Lecture 1:
23.9.2024

Introduction to DL and NN theory

Lecture 2:
30.9.2024

Optimization, Regularization

Lab 1:
7.10.2024

Deep Learning with PyTorch

Lecture 3:
14.10.2024

CNNs, Denoising, Segmentation

Lab 2:
21.10.2024

Image Classification and Transfer Learning

Lecture 4:
4.11.2024

Transformers, Large Language Models

Lab 3:
11.11.2024

Image Processing with DL

Lecture 5:
18.11.2024

Generative Models

Lab 4:
25.11.2024

Sequence Models and NLP

Lab 5:
2.12.2024

Advanced Vision and Generative Models

Empty:
9.12.2024

Activity at home - work on projects

Lab 6:
16.12.2024

Project Presentation and Final Lab Classification

Our Team

We are looking forward to meeting you! Get to know your teachers and find their contact information here.

Reviews

Welcome to our Testimonials section, a collection of student reviews that reflect their experiences and insights. Our students have shared their honest feedback about the course, teaching style, project presentation, exam and overall experience.

Skvělej předmět, skvělý přednášející i cvičící. Jeden z nejužitečnějších předmětů magisterského studia.

img
Student
AMSM, FJFI

Moc pěkný předmět, určitě jeden z nejlepších během mého studia.

img
Student
FJFI

Získal jsem základní znalosti potřebné pro využití deep learningu v praxi.

img
Student
FJFI

Cvičení se mi zdály jasné. Nejdůležitější koncepty byly vysvětleny jednoduchou formou a člověk se tak dokázal zorientovat, i když je nepochytil na poprvé na přednášce.

img
Student
FJFI

Konečně nějaký pořádný předmět o neuronových sítích!

img
Student
AMSM, FJFI

Předmět je zakončený závěrečným projektem ve dvojicích (na kterém se toho student naučí nejvíc) a zkouškou. Parádní bylo, že jsme měli v rámci projektu o co hrát a byla tam motivace podat co nejlepší výkon. Zkouška je celkem pohodová, hlavní je pochopení tématu a schopnost případně matematicky napsat loss funkce nebo rovnice optimizerů.

img
Student
AMSM, FJFI

Cvičení byla jasná a skvěle organizovaná. Speciálně oceňuji zahrnutí používání ChatGPT do prvního cvičení. Hodně mi to pomáhá i v jiných předmětech.

img
Student
AMSM, FJFI

Předmět je zakončen zápočtem a zkouškou. Zápočet se skládá z teamového projektu, který si dvojčlenný team určí dle vlastních preferencí. Tento projekt je poté prezentován před komisí. Vítěz získá cennou odměnu. Zkouška je formou rozhovoru.

img
Student
AMSM, FJFI

Další datový projekt na zápočet (strávíte s tím hooodně času). Zkouška už je pohodová.

img
Student
AMSM, FJFI

Zážitek jak na horské dráze, střídavá deprese s euforií.

img
Student
AMSM, FJFI

Byl to hodně zajímavý kurz (za mě jeden z nejlepších z celého NMS) a dost mě to motivovalo se tématikou zabývat i nadále.

img
Student
FJFI

Pre mňa najužitočnejší kurz v piatom ročníku.

img
Student
AMSM, FJFI

Asi nejpraktičtější a nejdůležitější předmět celého oboru.

img
Student
AMSM, FJFI

Velmi dobře odcvičeno, jasně srozumitelně, interakce se studentama, přátelský prístup, že se pak člověk nebojí na něco zeptat.

img
Student
FJFI