Faglig innhold

Emneinnhold (foreløpig):

• Introduksjon til deep learning (DL)
• Dype nevrale nettverk (DNN)
• Konvolusjonsnevrale nettverk (CNN)
• Rekursive nevrale nettverk (RNN)
• Transformere og vision transformers (ViT)
• Generative modeller
• Forklarbar KI (Explainable AI)

Læringsutbytte

Læringsutbytte

Etter fullført emne vil studentene kunne:

Kunnskap

• Ha avansert kunnskap innen fagområdet deep learning
• Forstå betydningen av begreper som flerlags perseptron (multi-layer perceptron), konvolusjonsnevrale nettverk og transformere
• Ha spesialisert innsikt og god forståelse av forskningsfronten innen deep learning-teknikker og -algoritmer for et bredt spekter av anvendelser, inkludert, men ikke begrenset til, visuell databehandling

Ferdigheter og generell kompetanse

• Anvende relevante og hensiktsmessige metoder i videre forsknings- og utviklingsarbeid innen deep learning for visuell databehandling og naturlig språkprosessering
• Kritisk vurdere relevant faglitteratur ved løsning av tildelte problemstillinger eller temaer
• Kommunisere faglige problemstillinger, analyser og konklusjoner til spesialister innen fagfeltet, både muntlig og skriftlig
• Tilegne seg ny kunnskap og nye ferdigheter på en selvstendig og strukturert måte
• Utvikle et emneprosjekt basert på et anvendelsesscenario og implementere flere algoritmer for å løse praktiske problemstillinger
• Videreutvikle programmeringsferdigheter i PyTorch og TensorFlow

Læringsformer og aktiviteter

Se engelsk versjon

Obligatoriske aktiviteter

• Mid-project presentation

Spesielle vilkår

Anbefalte forkunnskaper

Se engelsk versjon.

Kursmateriell

There is no required textbook and students should be able to learn everything from the suggested materials and mentoring during the course project.