BEGIN:VCALENDAR VERSION:2.0 PRODID:IEEE vTools.Events//EN CALSCALE:GREGORIAN BEGIN:VTIMEZONE TZID:Europe/Ljubljana BEGIN:DAYLIGHT DTSTART:20250330T030000 TZOFFSETFROM:+0100 TZOFFSETTO:+0200 RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=3 TZNAME:CEST END:DAYLIGHT BEGIN:STANDARD DTSTART:20251026T020000 TZOFFSETFROM:+0200 TZOFFSETTO:+0100 RRULE:FREQ=YEARLY;BYDAY=-1SU;BYMONTH=10 TZNAME:CET END:STANDARD END:VTIMEZONE BEGIN:VEVENT DTSTAMP:20250425T125508Z UID:6CD229D0-66A0-4086-9B32-667D50862B43 DTSTART;TZID=Europe/Ljubljana:20250422T100000 DTEND;TZID=Europe/Ljubljana:20250422T180000 DESCRIPTION:Kratek opis: Ta tečaj nudi praktičen uvod v globoko učenje\, zmogljivo tehniko umetne inteligence\, ki se uporablja v panogah\, kot so zdravstvo\, maloprodaja in avtomobilizem. Študenti se bodo naučili tren irati modele globokega učenja z uporabo orodij\, kot je PyTorch\, s pouda rkom na ključnih konceptih\, kot so konvolucijske nevronske mreže (CNN)\ , povečevanje podatkov in prenos učenja. Skozi praktične vaje bodo udel eženci pridobili izkušnje pri gradnji modelov za klasifikacijo slik\, ob delavo naravnega jezika ipd. Ob koncu tečaja boste pridobili veščine za reševanje projektov globokega učenja s sodobnimi okviri in pristopi.\n\ nPodrobnejši opis: Ta tečaj ponuja obsežen uvod v poglobljeno učenje\, ključno tehnologijo\, ki spodbuja napredek v panogah\, kot so zdravstvo\ , maloprodaja in avtomobilizem. Globoko učenje uporablja večplastne nevr onske mreže za reševanje kompleksnih nalog\, kot so prepoznavanje slik\, prevajanje jezikov in obdelava govora. Cilj tečaja je opremiti študente s temeljnimi veščinami\, potrebnimi za usposabljanje in uvajanje modelo v globokega učenja z uporabo sodobnih orodij\, kot je PyTorch. S praktič nimi aplikacijami\, ki segajo od zaznavanja predmetov do prilagojenih izku šenj\, se boste naučili\, kako uporabiti umetno inteligenco za težave v resničnem svetu.\n\nSkozi tečaj boste raziskovali pomembne koncepte glo bokega učenja\, kot so konvolucijske nevronske mreže (CNN)\, povečanje podatkov in prenos učenja. Te tehnike so bistvene za izboljšanje natanč nosti in učinkovitosti modela\, zlasti pri delu z velikimi\, zapletenimi nabori podatkov. Kurikulum zajema tudi uporabo vnaprej pripravljenih model ov\, ki omogočajo hitrejše usposabljanje modelov z izkoriščanjem obsto ječega znanja. Poleg tega boste raziskali napredne teme\, kot so ponavlja joče se nevronske mreže (RNN) in obdelava naravnega jezika (NLP)\, ki so ključne za zaporedne podatkovne naloge in besedilne aplikacije.\n\nOb ko ncu tečaja boste svoje znanje uporabili v končnem projektu\, kjer boste s tehnikami računalniškega vida zgradili model klasifikacije objektov. I zboljšali boste delovanje modela z učenjem prenosa in povečanjem podatk ov ter pridobili dragocene izkušnje pri optimizaciji modelov z omejenimi podatki. Tečaj vas bo vodil tudi skozi nastavitev lastnega razvojnega oko lja AI in vas tako pripravil na samostojno izvajanje projektov globokega u čenja. Ne glede na to\, ali ste začetnik pri umetni inteligenci ali žel ite razširiti svoje spretnosti\, ta tečaj zagotavlja trdno osnovo za vse \, ki jih zanima hitro razvijajoče se področje globokega učenja.\n\nOb koncu delavnice lahko udeleženci pridobijo uradni certifikat Deep Learnin g Institute pri NVIDIA.\n\nZahtevnost: Osnovna\n\nJezik: Slovenski\n\nOpis poteka izobraževanja: Delavnica poteka na daljavo preko brskalnika na ob lačni infrastrukturi AWS.\n\nPriporočeno predznanje: Razumevanje osnovni h konceptov programiranja v Python 3\, kot so funkcije\, zanke\, slovarji in polja\; poznavanje podatkovnih struktur Panda\; in razumevanje\, kako i zračunati regresijsko črto.\n\nCiljna publika: Študenti računalništva \, inženirji\, raziskovalci\, razvijalci ter vsi\, ki želijo razumeti\, kako ta tehnologija deluje.\n\nNa izobraževanju pridobljena znanja:\n\n- Naučite se osnovnih tehnik in orodij\, potrebnih za usposabljanje modela globokega učenja\n- Pridobite izkušnje s pogostimi podatkovnimi tipi gl obokega učenja in arhitekturami modelov\n- Izboljšajte nabore podatkov z razširitvijo podatkov\, da izboljšate natančnost modela\n- Izkoristite prenos učenja med modeli za doseganje učinkovitih rezultatov z manj pod atkov in računanja\n- Zgradite samozavest\, da se lotite lastnega projekt a s sodobnim ogrodjem poglobljenega učenja\n\nSpeaker(s): Domen Verber\, Jani Dugonik\n\nVirtual: https://events.vtools.ieee.org/m/476448 LOCATION:Virtual: https://events.vtools.ieee.org/m/476448 ORGANIZER:jani.dugonik@ieee.org SEQUENCE:5 SUMMARY:Delavnica: Osnove globokega učenja URL;VALUE=URI:https://events.vtools.ieee.org/m/476448 X-ALT-DESC:Description: <br /><p><strong>Kratek opis:&nbsp\;</strong>Ta te čaj nudi praktičen uvod v globoko učenje\, zmogljivo tehniko umetne int eligence\, ki se uporablja v panogah\, kot so zdravstvo\, maloprodaja in a vtomobilizem. &Scaron\;tudenti se bodo naučili trenirati modele globokega učenja z uporabo orodij\, kot je PyTorch\, s poudarkom na ključnih konc eptih\, kot so konvolucijske nevronske mreže (CNN)\, povečevanje podatko v in prenos učenja. Skozi praktične vaje bodo udeleženci pridobili izku &scaron\;nje pri gradnji modelov za klasifikacijo slik\, obdelavo naravneg a jezika ipd. Ob koncu tečaja boste pridobili ve&scaron\;čine za re&scar on\;evanje projektov globokega učenja s sodobnimi okviri in pristopi.</p> \n<p><strong>Podrobnej&scaron\;i opis:</strong>&nbsp\;Ta tečaj ponuja obs ežen uvod v poglobljeno učenje\, ključno tehnologijo\, ki spodbuja napr edek v panogah\, kot so zdravstvo\, maloprodaja in avtomobilizem. Globoko učenje uporablja večplastne nevronske mreže za re&scaron\;evanje komple ksnih nalog\, kot so prepoznavanje slik\, prevajanje jezikov in obdelava g ovora. Cilj tečaja je opremiti &scaron\;tudente s temeljnimi ve&scaron\; činami\, potrebnimi za usposabljanje in uvajanje modelov globokega učenj a z uporabo sodobnih orodij\, kot je PyTorch. S praktičnimi aplikacijami\ , ki segajo od zaznavanja predmetov do prilagojenih izku&scaron\;enj\, se boste naučili\, kako uporabiti umetno inteligenco za težave v resničnem svetu.</p>\n<p>Skozi tečaj boste raziskovali pomembne koncepte globokega učenja\, kot so konvolucijske nevronske mreže (CNN)\, povečanje podatk ov in prenos učenja. Te tehnike so bistvene za izbolj&scaron\;anje natan čnosti in učinkovitosti modela\, zlasti pri delu z velikimi\, zapletenim i nabori podatkov. Kurikulum zajema tudi uporabo vnaprej pripravljenih mod elov\, ki omogočajo hitrej&scaron\;e usposabljanje modelov z izkori&scaro n\;čanjem obstoječega znanja. Poleg tega boste raziskali napredne teme\, kot so ponavljajoče se nevronske mreže (RNN) in obdelava naravnega jezi ka (NLP)\, ki so ključne za zaporedne podatkovne naloge in besedilne apli kacije.</p>\n<p>Ob koncu tečaja boste svoje znanje uporabili v končnem p rojektu\, kjer boste s tehnikami računalni&scaron\;kega vida zgradili mod el klasifikacije objektov. Izbolj&scaron\;ali boste delovanje modela z uč enjem prenosa in povečanjem podatkov ter pridobili dragocene izku&scaron\ ;nje pri optimizaciji modelov z omejenimi podatki. Tečaj vas bo vodil tud i skozi nastavitev lastnega razvojnega okolja AI in vas tako pripravil na samostojno izvajanje projektov globokega učenja. Ne glede na to\, ali ste začetnik pri umetni inteligenci ali želite raz&scaron\;iriti svoje spre tnosti\, ta tečaj zagotavlja trdno osnovo za vse\, ki jih zanima hitro ra zvijajoče se področje globokega učenja.</p>\n<p>Ob koncu delavnice lahk o udeleženci pridobijo uradni certifikat Deep Learning Institute pri NVID IA.</p>\n<p><strong>Zahtevnost:</strong>&nbsp\;Osnovna</p>\n<p><strong>Jez ik:</strong>&nbsp\;Slovenski</p>\n<p><strong>Opis poteka izobraževanja:&n bsp\;</strong>Delavnica poteka na daljavo preko brskalnika na oblačni inf rastrukturi AWS.<strong><br></strong></p>\n<p><strong>Priporočeno predzna nje:&nbsp\;</strong>Razumevanje osnovnih konceptov programiranja v Python 3\, kot so funkcije\, zanke\, slovarji in polja\; poznavanje podatkovnih s truktur Panda\; in razumevanje\, kako izračunati regresijsko črto.</p>\n <p><strong>Ciljna publika:</strong><span class="markedContent">&nbsp\;&Sca ron\;tudenti računalni&scaron\;tva\, inženirji\, raziskovalci\, razvijal ci ter vsi\, ki želijo razumeti\, kako ta tehnologija deluje.<br></span>< /p>\n<p><strong>Na izobraževanju pridobljena znanja:</strong></p>\n<ul>\n <li>Naučite se osnovnih tehnik in orodij\, potrebnih za usposabljanje mod ela globokega učenja</li>\n<li>&nbsp\;Pridobite izku&scaron\;nje s pogost imi podatkovnimi tipi globokega učenja in arhitekturami modelov</li>\n<li >Izbolj&scaron\;ajte nabore podatkov z raz&scaron\;iritvijo podatkov\, da izbolj&scaron\;ate natančnost modela</li>\n<li>Izkoristite prenos učenja med modeli za doseganje učinkovitih rezultatov z manj podatkov in račun anja</li>\n<li>Zgradite samozavest\, da se lotite lastnega projekta s sodo bnim ogrodjem poglobljenega učenja</li>\n</ul> END:VEVENT END:VCALENDAR