https://github.com/manik2000/dm-warsztat
Warsztat z tworzenia różnych sieci neuronowych.
https://github.com/manik2000/dm-warsztat
Last synced: 8 months ago
JSON representation
Warsztat z tworzenia różnych sieci neuronowych.
- Host: GitHub
- URL: https://github.com/manik2000/dm-warsztat
- Owner: Manik2000
- Created: 2024-04-21T15:31:23.000Z (about 2 years ago)
- Default Branch: main
- Last Pushed: 2024-05-02T11:25:39.000Z (about 2 years ago)
- Last Synced: 2025-01-30T04:25:30.367Z (over 1 year ago)
- Language: Jupyter Notebook
- Size: 94.6 MB
- Stars: 0
- Watchers: 1
- Forks: 0
- Open Issues: 0
-
Metadata Files:
- Readme: README.md
Awesome Lists containing this project
README
# DM-warsztat
Warsztat z tworzenia różnych sieci neuronowych z okazji Dnia Matematyki na Wydziale Matematyki Pwr.
To co najbardziej interesujące znajduje się w `notebook.ipynb`, który omówimy sobie w trakcie warsztatu.
Bedziemy bazować na kilku datasetach zebranych w folderze `data`:
- `linear.npz`, `nonlinear.npz`, `time_series.npz` — wygenerowane przeze mnie zbiory danych
- `nasa.csv` — dane o asteoroidach, które mogą stanowić zagrożenie ([źródło](https://www.kaggle.com/datasets/lovishbansal123/nasa-asteroids-classification)),
- obrazki przedstawiające 4 zjawiska pogodowe ([źródło](https://data.mendeley.com/datasets/4drtyfjtfy/1))
## Instalacja
Notebooka i dane można wrzucić na Colaba i w sumie nie powinno być większych problemów.
W razie kłopotów w code chunku notatnika uruchamiamy:
```
!pip install
```
i po sprawie.
Jeżeli ktoś chciałby powalczyć lokalnie, to tworzymy środowisko wirtualne czy anacondowe i instalujemy paczki z pliku `requirements.txt`. Polecam skorzystanie z `uv`, a nie standardowego `pip`-a, czyli porobić coś takiego:
```bash
uv venv venv
venv\Scripts\actviate (windows)
source venv/bin/activate (linux)
uv pip install -r requirements.txt
```
Różnica między `uv` a `pip` jest wyrażnie zauważalna.
## Materiały do nauki
### Książki
* [*Little book of Deep Learning*](https://fleuret.org/francois/lbdl.html), Francois Fleuret
* *Deep learning*, Ian Goodfellow and Yoshua Bengio and Aaron Courville
* *Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow*, Aurélien Géron
### Kursy
* Kursy [stąd](https://www.deeplearning.ai/courses/)
* https://dlvu.github.io/
* [Karpathy's From zero to Hero](https://karpathy.ai/zero-to-hero.html)
* [Kurs DL z uniwersytetu w Genewie](https://fleuret.org/dlc/)
@author: Marcin Kostrzewa