Modely DNN pro zpracování různorodých dat

Natálie RAŠKOVÁ

Bachelor's thesis

DNN models for processing various data

Abstract:

Hlavním cílem této práce je vytvořit metodiku pro studenty, kteří se chtějí seznámit se základními principy a koncepty hlubokých neuronových sítí. Práce obsahuje teoretické pozadí, které se zaměřují na hluboké neuronové sítě. Dále práce poskytuje doporučení ohledně typů modelů hlubokých neuronových sítí, které jsou vhodné pro různé problémové domény. Praktické rady a ukázky jsou také součástí práce, aby studenti získali konkrétní příklady a návody, jak přistupovat k praktickému použití hlubokých neuronových sítí.

Abstract:

The main objective of this thesis is to develop a methodology for students who want to learn the basic principles and concepts of deep neural networks. The thesis contains theoretical background that focuses on deep neural networks. Furthermore, the thesis provides recommendations on the types of deep neural network models that are suitable for different problem domains. Practical advice and demonstrations are also included in the thesis to provide students with concrete examples and guidance on how to approach the practical application of deep neural networks.

Keywords

neuronové sítě, hluboké neuronové sítě, typy modelů DNN, klasifikace, transfer learning, predikce, detekce objektu

Language used: Czech

Date on which the thesis was submitted / produced: 31. 5. 2023

Accessible from:: 31. 12. 2999

Thesis defence

• Date of defence: 13. 6. 2023
• Supervisor: doc. RNDr. Martin Kotyrba, Ph.D.

University of Ostrava

Faculty of Science

Bachelor programme / field:
Applied Information Science / Applied Information Science