course-details-portlet

TTT4185

Maskinlæring for signalbehandling

Velg studieår
Studiepoeng 7,5
Nivå Høyere grads nivå
Undervisningsstart Høst 2024
Varighet 1 semester
Undervisningsspråk Engelsk
Sted Trondheim
Vurderingsordning Skriftlig skoleeksamen

Om

Om emnet

Faglig innhold

Grunnleggende metoder for statistisk mønstergjenkjenning/maskinlæring. Veiledet og ikke-veiledet læring. Dype nevrale nettverk, support vector machines, mixture models, skjulte Markovmodeller, Gaussiske prosesser. Design, trening og evaluering av maskinlæringsmodeller. Uttrekking av egenskapsvektorer med anvendelser paa talesignaler. Anvendelser innen taleteknologi, medisinsk signalbehandling og multimedia signalbehandling.

Læringsutbytte

Læringsutbytte Kunnskap: Kandidaten har - god kunnskap om teoretiske og praktiske aspekter ved bruk av statistisk mønstergjenkjenning/maskinlæring - god kunnskap om best practice vedrørende trening av maskinlæringsystemer ved bruk av trening-, validering- og test-data - bred kunnskap om egenskaper ved tale-, medisinske- og multimedia-signaler - bred kunnskap om egenskaputtrekking for en rekke signaltyper Ferdighet: Kandidaten kan - benytte og/eller lage programvare til å trene og evaluere modeller basert påmmetoder fra maskinlæring - evaluere ytelsen til maskinlæringssystemer Generell kompetanse: Kandidaten kan - samspillet mellom basisteknologi og anvendelse i design og utvikling av maskinlæringsystemer - gjennomføre gruppearbeid og rapportering.

Læringsformer og aktiviteter

Forelesninger, obligatoriske øvinger på datamaskin.

Obligatoriske aktiviteter

  • Dataøvinger

Mer om vurdering

Ved utsatt eksamen (kontinuasjonseksamen) i august kan skriftlig eksamen bli endret til muntlig eksamen.

Kursmateriell

Lærebok er Bishop's Pattern Classification and Machine Learning

Studiepoengreduksjon

Emnekode Reduksjon Fra
SIE2090 7,5 sp
Dette emne har faglig overlapp med emnet i tabellen over. Om du tar emner som overlapper får du studiepoengreduksjon i det emnet du har dårligst karakter i. Dersom karakteren er lik i de to emnene gis det reduksjon i det emnet som er avlagt sist.

Fagområder

  • Teknologiske fag

Kontaktinformasjon

Emneansvarlig/koordinator

Faglærere

Ansvarlig enhet

Institutt for elektroniske systemer

Eksamen

Eksamen

Vurderingsordning: Skriftlig skoleeksamen
Karakter: Bokstavkarakterer

Ordinær eksamen - Høst 2024

Skriftlig skoleeksamen
Vekting 100/100 Hjelpemiddel Kode D Dato 02.12.2024 Tid 15:00 Varighet 4 timer Eksamenssystem Inspera Assessment
Sted og rom for skriftlig skoleeksamen

Oppgitt rom kan endres og endelig plassering vil være klar senest 3 dager før eksamen. Du finner din romplassering på Studentweb.

Sluppenvegen 14
Rom SL430
32 kandidater
Rom SL238
1 kandidat
Rom SL321
1 kandidat
Rom SL110 lilla sone
29 kandidater

Utsatt eksamen - Sommer 2025

Skriftlig skoleeksamen
Vekting 100/100 Hjelpemiddel Kode D Varighet 4 timer Eksamenssystem Inspera Assessment
Sted og rom
Oppgitt rom kan endres og endelig plassering vil være klar senest 3 dager før eksamen. Du finner din romplassering på Studentweb.