Emne - Dyp læring - IT3030
IT3030 - Dyp læring
Om emnet
Vurderingsordning
Vurderingsordning: Muntlig eksamen
Karakter: Bokstavkarakterer
Termin:
Høst
| Vurdering | Vekting | Varighet | Delkarakter | Hjelpemidler |
|---|---|---|---|---|
| Muntlig eksamen | 100/100 |
Vurderingsordning
Vurderingsordning: Skriftlig skoleeksamen
Karakter: Bokstavkarakterer
Termin:
Vår
| Vurdering | Vekting | Varighet | Delkarakter | Hjelpemidler |
|---|---|---|---|---|
| Skriftlig skoleeksamen | 100/100 | 4 timer | D |
Faglig innhold
Faget er en videreføring av TDT4173 Maskinlæring. Det gis en grundig innføring i dyp læring. Faget dekker både det matematiske og komputasjonelle grunnlaget for dyp læring, praktiske anvendelser som analyse av bilder, tekst, og andre dataformater. Det gis innføring i bruk av moderne software-rammeverk for dype nett. Disse skal brukes i noen prosjekter, mens andre oppgaver krever rimelig lavt-nivå programming i språk som Python.
Læringsutbytte
Kunnskaper: Generelle prinsipper for lærende/adapterende systemer. Det matematiske og komputasjonelle fundamentet for dyp læring Hvordan man kan anvende dyp læring i forskjellige praktiske anvendelser. Ferdigheter: Vurdere forskjellige rammeverk for dyp læring i spesifikke bruks-situasjoner Evne til å analysere matematiske basis for diverse dyp-lærings systemer i litteraturen. Lage komputasjonelle systemer som realiseres dyp læring. Generell kompetanse: Kjenne dyp lærings grunnlag hentet fra matematikk og kognitive vitenskaper. Forstå muligheter og begrensninger ved dyp læring i praktiske anvendelser.
Læringsformer og aktiviteter
Forelesninger, selvstudium. Det gis øvinger i løpet av semesteret der en andel må godkjennes for å kunne gå opp til eksamen.
Obligatoriske aktiviteter
- Obligatoriske øvinger
Mer om vurdering
Ved utsatt eksamen kan skriftlig eksamen bli endret til muntlig eksamen.
Spesielle vilkår
Krever opptak til studieprogram:
Datateknologi (MIDT)
Datateknologi (MTDT)
Industriell økonomi og teknologiledelse (MTIØT)
Informatics (MSIT)
Anbefalte forkunnskaper
Noe erfaring med programmering i Python
Forkunnskapskrav
TMA4115 Matematikk 3, TDT4120 Algoritmer og datastrukturer, TDT4171 Metoder i kunstig intelligens, og TDT4173 Maskinlæring.
Kursmateriell
Ian Goodfellow, Yoshua Bengio og Aaron Courville: Deep Learning (2016). MIT Press. Supplerende artikler deles ut ved behov.
Ingen
Versjon: 1
Studiepoeng:
7.5 SP
Studienivå: Høyere grads nivå
Termin nr.: 1
Undervises: VÅR 2024
Undervisningsspråk: Engelsk
Sted: Trondheim
- Informatikk
- Datateknikk
Eksamensinfo
Vurderingsordning: Muntlig eksamen
- Termin Statuskode Vurdering Vekting Hjelpemidler Dato Tid Eksamens- system Rom *
- Høst ORD Muntlig eksamen 100/100 24.11.2023
-
Rom Bygning Antall kandidater
Vurderingsordning: Skriftlig skoleeksamen
- Termin Statuskode Vurdering Vekting Hjelpemidler Dato Tid Eksamens- system Rom *
- Vår ORD Skriftlig skoleeksamen 100/100 D 29.05.2024 15:00 INSPERA
-
Rom Bygning Antall kandidater SL310 blå sone Sluppenvegen 14 16 SL310 lilla sone Sluppenvegen 14 36
- * Skriftlig eksamen plasseres på rom 3 dager før eksamensdato. Hvis mer enn ett rom er oppgitt, finner du ditt rom på Studentweb.
For mer info om oppmelding til og gjennomføring av eksamen, se "Innsida - Eksamen"