Emne - Dyp læring - IT3030
IT3030 - Dyp læring
Om emnet
Vurderingsordning
Vurderingsordning: Mappevurdering
Karakter: Bestått/Ikke bestått
| Vurderingsform | Vekting | Varighet | Hjelpemidler | Delkarakter |
|---|---|---|---|---|
| Arbeider | 25/100 | |||
| Arbeider | 25/100 | |||
| Arbeider | 25/100 | |||
| Arbeider | 25/100 |
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. Alle arbeider er individuelle og må være fulført for å få bestått i emnet. Resultatet for delene angis i %-poeng, mens sensur for hele mappen (slutt-karakteren) angis med bestått/ikke bestått. Merk at det ikke tilbys utsatt eksamen (kontinuasjonseksamen) i dette emnet. Gjentak av vurdering er kun mulig i semester hvor emnet undervises.
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.
Ingen
Versjon: 1
Studiepoeng:
7.5 SP
Studienivå: Høyere grads nivå
Termin nr.: 1
Undervises: VÅR 2021
Forelesningstimer: 2
Øvingstimer: 6
Fordypningstimer: 7
Undervisningsspråk: Engelsk
Sted: Trondheim
- Informatikk
- Datateknikk
Ansvarlig enhet
Institutt for datateknologi og informatikk
Telefon:
Eksamensinfo
Vurderingsordning: Mappevurdering
- Termin Statuskode Vurderings-form Vekting Hjelpemidler Dato Tid Digital eksamen Rom *
- Vår ORD Arbeider 25/100
-
Rom Bygning Antall kandidater - Vår ORD Arbeider 25/100
-
Rom Bygning Antall kandidater - Vår ORD Arbeider 25/100
-
Rom Bygning Antall kandidater - Vår ORD Arbeider 25/100
-
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.
For mer info om oppmelding til og gjennomføring av eksamen, se "Innsida - Eksamen"