Dype nevrale nett (ELE680)

Innhold

NB! Dette er et valgemne og dersom det er færre enn 10 studenter oppmeldt pr. 20. august for høstsemesteret, kan dette medføre at emnet ikke tilbys.

I dette emnet vil du bli introdusert til grunnleggende metoder for dyplæring, grunnleggende nettverkskarkitekturer 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
• Multilayer Perceptron Network (MPN)
• Training a Neural Network
• Unsupervised, supervised and semi-supervised learning approaches.
• Transfer learning
• Convolutional Neural Network (CNN)
• Recurrent Neural Network (RNN) and Long Short-Term Memory networks (LSTMs)
• Time Series analysis
• Image classification and Object detection
• Video Activity recognition
• Autoencoders
• Transformers
• Text and Natural Language Processing

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.

Forkunnskapskrav

Anbefalte forkunnskaper

Eksamen / vurdering

Vilkår for å gå opp til eksamen/vurdering

2 av 2 øvinger må være godkjent innen angitte frister.

Muntlig presentasjon av prosjektet er obligatorisk og vurderes godkjent/ikke godkjent.

Fagperson(er)

Emneansvarlig:

Faglærer:

Faglærer:

Faglærer:

Faglærer:

Instituttleder:

Arbeidsformer

Emnet har en varighet på ca. 12 uker og er ferdig i starten av november. Forelesningene vil strekke seg over de første 7 uker, hvor det foreleses 2 timer pr uke. Det forventes at studenten bruker ytterligere 6-8 timer i uken på selvstudium og øvinger.

Prosjektet gjennomføres i løpet av de 5 siste ukene av emnet, og det forventes at hver student bruker ca. 10 timer per uke.

Åpent for

Emneevaluering

Litteratur