W tej części zajęć skoncentrujemy się na metodach i technikach uczenia użytecznych reprezentacji (representation learning) danych przy użyciu głębokich sieci neuronowych. Poznamy metody nadzorowanego uczenia reprezentacji danych, w tym metody głębokiego uczenia metryki odległości (sieci syjamskie, sieci trypletowe). Zgłębimy współczesne metody samonadzorowanego uczenia reprezentacji danych wizyjnych oparte o kontrastywną funkcję straty i bazujące na rekonstrukcji (maskowane auto-kodowanie). Zapoznamy się z metodami uczenia multimodalnych reprezentacji tekstowo-obrazowych (CLIP) i technikami semantycznego wyszukiwania informacji. Poznamy szczegóły współczesnych wizyjnych modeli ogólnego przeznaczenia (foundation models) takich, jak DINOv2, SAM, YOLO-World czy APE. Zgłębimy również sposoby efektywnego wyszukiwania informacji w wysokowymiarowych wektorowych bazach danych, w tym metody przybliżonego wyszukiwania najbliższych sąsiadow (approximate kNN).
Rozwiń szczegóły...