course-details-portlet

IT3030 - Dyp læring

Om emnet

Vurderingsordning

Vurderingsordning: Skriftlig skoleeksamen
Karakter: Bokstavkarakterer

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

Merk at det ikke tilbys utsatt eksamen (kontinuasjonseksamen) i dette faget.

Spesielle vilkår

Obligatorisk aktivitet fra tidligere semester kan godkjennes av instituttet.

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 2023

Undervisningsspråk: Engelsk

Sted: Trondheim

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

Ansvarlig enhet
Institutt for datateknologi og informatikk

Eksamensinfo

Vurderingsordning: Skriftlig skoleeksamen

Termin Statuskode Vurdering Vekting Hjelpemidler Dato Tid Eksamens- system Rom *
Vår ORD Skriftlig skoleeksamen 100/100 D 25.05.2023 15:00 INSPERA
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