Hopp til hovedinnhold

Dype nevrale nett ELE680

I dette emnet vil du bli introdusert til grunnleggende metoder for dyplæring, de mest effektive og vanlige typer dype nettverk som benyttes og hvordan du kan bygge, trene og evaluere dype nett for ulike applikasjoner.


Dette er emnebeskrivelsen for studieåret 2021-2022. Merk at det kan komme endringer.

Fakta
Emnekode

ELE680

Vekting (SP)

5

Antall semestre

1

Vurderingssemester

Høst

Undervisningsspråk

Engelsk

Tilbys av

Institutt for data- og elektroteknologi

Læringsutbytte
Etter å ha tatt dette emnet skal studenten ha grunnleggende forståelse metoder og nettverksstrukturer benyttet i dyplæring. Studenten skal også være i stand til å bygge, trene og evaluere modeller for en eller flere praktiske problemstillinger relatert til dyplæring.
Innhold
I dette emnet vil du bli introdusert til grunnleggende metoder for dyplæring, de mest effektive og vanlige dype nettverkene og deres bruksområder, og hvordan du kan bygge, trene og evaluere dype nett for ulike applikasjoner. Dette inkludererer:
  • Neurons, layers, back propagation,  optimizers,  loss functions, hyperparameters 
  • Unsupervised, supervised  and semi-supervised learning approaches.
  • Transfer learning
  • Multilayer Perceptron Network (MPN)
  • Convolutional Neural Network (CNN)
  • Time Series analysis
  • Reccurent Neural Network (RNN) and Long Short-term Memmory networks (LSTMs)
  • Autoencoders
  • Natural language processing (NLP) Natural language understanding and Embeddings.
  • Object detection
  • Activity recognition
  • Deep Belief Networks
  • Deep Reinforcement Learning
  • Deep learning in image reconstruction and medical imaging. 
Forkunnskapkrav
Ingen
Anbefalte forkunnskaper
ELE520 Maskinlæring
Eksamen / vurdering
Vurderingsform Vekting Varighet Karakter Hjelpemiddel
Gruppeprosjekt 1/1 A - F

Det tildelte prosjektet gjennomføres i grupper på to studenter. Unntaksvis kan det være en eller tre studenter per gruppe. Rapporten beskriver og dokumenterer arbeidet i prosjektet. Rapporten er laget i samarbeid med alle deltakerne i gruppen, og alle deltakerne vil få samme karakter. En muntlig presentasjon av prosjektet er en obligatorisk del av prosjektet.Det finnes ingen kontinuasjonseksamen i dette emnet. Ny prosjektrapport må leveres neste gang emnet undervises.

Vilkår for å gå opp til eksamen/vurdering
2 øvinger
2 av 2 øvinger må være godkjent innen angitte frister.
Fagperson(er)
Faglærer: Ketil Oppedal
Faglærer: Øyvind Meinich-Bache
Emneansvarlig: Øyvind Meinich-Bache
Faglærer: Vinay Jayarama Setty
Faglærer: Mahdieh Khanmohammadi
Faglærer: Krisztian Balog
Faglærer: Trygve Christian Eftestøl
Faglærer: Kjersti Engan
Instituttleder: Tom Ryen
Arbeidsformer

Forelesninger vil strekke seg over en periode på 6 uker hvor det foreleses 4-6 timer pr uke. Det forventes at studenten bruker ytterligere 6-8 timer i uken på selvstudium og øvinger.

Prosjektet gjennomføres i løpet av 3 uker hvor det forventes at hver student bruker ca 15 timer per uke.

Emneevaluering
Skjer vanligvis gjennom dialog og spørreskjema.
Litteratur
Søk etter pensumlitteratur i Leganto