Faglig innhold

Dette emnet gir en innføring i grunnleggende prinsipper og praktiske metoder innen maskinlæring og dyp læring. Temaer inkluderer:

• Grunnleggende konsepter innen veiledet og ikke-veiledet maskinlæring
• Datakvalitet, forhåndsprosessering og evalueringsmetrikker
• Klassiske maskinlæringsmetoder samt deres styrker og begrensninger
• Nevrale nettverksarkitekturer, inkludert CNN-er og transformer-er
• Modellevaluering, optimalisering, robusthet og tolkbarhet
• Anvendelser av maskinlæring innen områder som maskinsyn og medisinsk bildebehandling

Læringsutbytte

Kunnskap

Kandidaten:

• kan forklare grunnleggende begreper og typer innen maskinlæring og dyp læring
• kan forstå datakvalitet og evalueringsmetrikker
• kan forstå styrker og begrensninger ved klassiske maskinlæringsmetoder
• kan beskrive og implementere grunnleggende nevrale nettverksarkitekturer, inkludert CNN-er og transformere
• kan forstå «black-box»-egenskaper ved moderne maskinlæringsalgoritmer og utvikle metoder for å redusere disse

Ferdigheter

Kandidaten:

• kan bruke biblioteker for maskinlæring, inkludert Scikit-learn, Keras og TensorFlow
• kan forhåndsprosessere data, bygge pipeliner og implementere strukturerte og godt dokumenterte maskinlæringsarbeidsflyter
• kan implementere sentrale maskinlæringsalgoritmer, inkludert lineære modeller, SVM-er, beslutningstrær, ensemblemetoder og nevrale nettverk
• kan evaluere og optimalisere modeller samt analysere ytelse for å sikre robusthet og pålitelighet

Generell kompetanse

Kandidaten:

• kan forklare og anvende kunnskap til problemløsning i anvendelsesområder som maskinsyn og medisinsk bildebehandling, samt på tvers av ulike faglige temaer
• kan analysere maskinlæringsalgoritmer og deres anvendelser på en kritisk og reflektert måte

Læringsformer og aktiviteter

Emnet vil bli tilbudt med forelesninger og praktiske arbeidsoppgaver, inkludert øvinger og mindre prosjekter. Enkelte økter kan innebære gruppearbeid eller gjesteforelesninger om beslektede forskningstemaer.

Spesielle vilkår

Anbefalte forkunnskaper

Grunnleggende programmeringsferdigheter, lineær algebra (matrise- og vektoroperasjoner) og kalkulus.

Forkunnskapskrav

Ingen

Kursmateriell

Lærebøker og supplerende lesemateriale vil bli gjort tilgjengelig ved semesterstart.