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 2022-2023. Merk at det kan komme endringer.
ELE680
1
5
Høst
1
Høst
Engelsk
- 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.
- Image classification and Object detection
- Video Activity recognition
- Deep Belief Networks
- Deep Reinforcement Learning
- Deep learning in image reconstruction and medical imaging.
| Vurderingsform | Vekting | Varighet | Karakter | Hjelpemiddel |
|---|---|---|---|---|
| Gruppeprosjekt | 1/1 | Bokstavkarakterer |
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.
Emnet har en varighet på ca. 8 uker og er ferdig i midten av oktober. Forelesningene vil strekke seg over de første 5 uker, hvor det foreleses 2-4 timer pr uke. Det forventes at studenten bruker ytterligere 6-8 timer i uken på selvstudium og øvinger.
Prosjektet gjennomføres i løpet av de 3 siste ukene av emnet, og det forventes at hver student bruker ca. 15 timer per uke.