Summer Semester 2025/2026

Classical Foundations of Artificial Neural Networks

From the McCulloch-Pitts neuron (1943) through the Perceptron and its convergence theorem to the current transformer based neural networks — a rigorous, proof-driven journey.

dr Bartosz Naskręcki

Faculty of Mathematics and Computer Science
Adam Mickiewicz University, Poznań

06-DSNELI0
Semestr letni 2025/2026

Wprowadzenie do teorii sieci neuronowych

Od neuronu McCullocha-Pittsa (1943) przez Perceptron i twierdzenie o zbieżności aż po współczesne sieci neuronowe oparte na transformerach — formalnie udowodniona podróż.

dr Bartosz Naskręcki

Wydział Matematyki i Informatyki
Uniwersytet im. Adama Mickiewicza w Poznaniu

06-DSNELI0

Course Notes

40 chapters spanning McCulloch-Pitts to Transformers. Full proofs, interactive applets, and from-scratch PyTorch.

Open book →

Notatki do kursu

40 rozdziałów: od McCullocha-Pittsa po Transformery. Pełne dowody, interaktywne aplety i kod od zera w PyTorch.

Otwórz książkę →

Presentation Slides

288 reveal.js slides across 11 presentations covering all 40 chapters, with SVG diagrams and speaker notes.

View slides →

Slajdy do wykładu

248 slajdów reveal.js w 11 prezentacjach na wszystkie 40 rozdziałów, z diagramami SVG i notatkami.

Zobacz slajdy →

Interactive Applets

22 hands-on explorations: attention heatmaps, XOR network, char-RNN, drum machine, and more.

Explore applets →

Interaktywne aplety

22 praktyczne eksploracje: mapy uwagi, sieć XOR, char-RNN, automat perkusyjny i więcej.

Odkryj aplety →

Zasady zaliczenia

Wprowadzenie do teorii sieci neuronowych [06-DSNELI0] — Semestr letni 2025/2026

Skala ocen (UAM)

OcenaKryterium
bardzo dobry (bdb; 5,0)powyżej 90% punktów
dobry plus (+db; 4,5)powyżej 80% punktów
dobry (db; 4,0)powyżej 70% punktów
dostateczny plus (+dst; 3,5)powyżej 60% punktów
dostateczny (dst; 3,0)powyżej 50% punktów
niedostateczny (ndst; 2,0)50% punktów lub mniej

Kryteria zaliczenia

Wykład (do 100 pkt)

Test wiedzy (ok. połowa kwietnia)30 pkt
Mini-projekt indywidualny (do połowy maja)30 pkt
Projekt grupowy naukowy (do końca semestru)40 pkt

Ćwiczenia (do 100 pkt)

Zadania domowe (w ciągu semestru)30 pkt
Projekt grupowy aplikacyjny (początek czerwca)50 pkt
Aktywność / wyzwania20 pkt

Zasady udziału

  • Wykłady są nieobowiązkowe (aczkolwiek wskazane)
  • Ćwiczenia są obowiązkowe (3 nieobecności dopuszczalne)
  • Materiały publikowane na stronie
  • Zaliczenia przesyłane na Moodle

Course Information

Introduction to Neural Network Theory [06-DSNELI0] — Summer Semester 2025/2026

Grading Scale (UAM)

GradeCriterion
very good (5.0)above 90% of points
good plus (4.5)above 80% of points
good (4.0)above 70% of points
satisfactory plus (3.5)above 60% of points
satisfactory (3.0)above 50% of points
unsatisfactory (2.0)50% of points or less

Assessment Criteria

Lectures (up to 100 pts)

Knowledge test (mid-April)30 pts
Individual mini-project (by mid-May)30 pts
Group research project (by end of semester)40 pts

Exercises (up to 100 pts)

Homework assignments (throughout semester)30 pts
Group application project (early June)50 pts
Activity / challenges20 pts

Participation Rules

  • Lectures are not mandatory (but recommended)
  • Lab sessions are mandatory (3 absences allowed)
  • Materials published on this website
  • Submissions via Moodle