course-details-portlet

IT3030 - Dyp læring

Om emnet

Vurderingsordning

Vurderingsordning: Mappevurdering
Karakter: Bokstavkarakterer

Vurderingsform Vekting Varighet Hjelpemidler Delkarakter
Semesterprøve 50/100 E
Arbeider 50/100

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, og bruken av dyp læring innen forsterkningslæring (deep reinforcement learning). Det gis innføring i bruk av moderne software-rammeverk for dype nett.

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.

Mer om vurdering

Mappevurdering gir grunnlag for sluttkarakter i emnet. I mappen inngår skriftlig midterm eksamen (50%) og øvingsarbeider (50%). Resultatet for delene angis i %-poeng, mens sensur for hele mappen (slutt-karakteren) angis med bokstavkarakter. Merk at det ikke tilbys utsatt eksamen (kontinuasjonseksamen) i dette faget.

Spesielle vilkår

Krever opptak til studieprogram:
Datateknologi (MIDT)
Datateknologi (MTDT)
Industriell økonomi og teknologiledelse (MTIØT)
Informatics (MSIT)
Informatikk (MIT)

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.

Flere sider om emnet

Ingen

Fakta om emnet

Versjon: 1
Studiepoeng:  7.5 SP
Studienivå: Høyere grads nivå

Undervisning

Termin nr.: 1
Undervises:  VÅR 2021

Forelesningstimer: 2
Øvingstimer: 6
Fordypningstimer: 7

Undervisningsspråk: Engelsk

Sted: Trondheim

Fagområde(r)
  • Informatikk
  • Datateknikk
Kontaktinformasjon
Emneansvarlig/koordinator: Faglærer(e):

Ansvarlig enhet
Institutt for datateknologi og informatikk

Telefon:

Eksamensinfo

Vurderingsordning: Mappevurdering

Termin Statuskode Vurderings-form Vekting Hjelpemidler Dato Tid Digital eksamen Rom *
Vår ORD Semesterprøve 50/100 E
Rom Bygning Antall kandidater
Vår ORD Arbeider 50/100
Rom Bygning Antall kandidater
  • * Skriftlig eksamen plasseres på rom 3 dager før eksamensdato. Hvis mer enn ett rom er oppgitt, finner du ditt rom på Studentweb.
Eksamensinfo

For mer info om oppmelding til og gjennomføring av eksamen, se "Innsida - Eksamen"

Mer om eksamen ved NTNU