DAT300 Anvendt dyplæring

Studiepoeng:10

Ansvarlig fakultet:Fakultet for realfag og teknologi

Emneansvarlig:Fadi al Machot

Campus / nettbasert:Undervises campus Ås

Undervisningens språk:Engelsk

Frekvens:Årlig

Forventet arbeidsmengde:Undervisning 78 timer, øvelser 26 timer, kollokvier og egenstudier mm: 146 timer.

Undervisnings- og vurderingsperiode:

Emnet starter i høstparallellen.

Emnet har undervisning/vurdering i høstparallellen.

Om dette emnet

DAT300 bygger videre på temaer som ble diskutert i DAT200 - Anvendt maskinlæring.

  • Grunnlag for kunstige nevrale nett (NN)
  • Deep convolutional neural networks (CNN)
  • Recurrent neural networks (RNN)
  • Autoencoders
  • Generative Adversarial Networks
  • Zero/Few-shot learning

Kurset gir en innføring i metodenes grunnleggende teoretiske egenskaper, men har hovedfokus på anvendt modellering med reelle datasett. Studentene vil lære å lage effektive og treffsikre modeller som, avhengig av applikasjon, kan støtte opp om flere av FNs bærekraftsmål, blant andre 3, 11, 12, 14, 15.

Dette lærer du

Ferdigheter og innsikt i grunnleggende teknikker for maskinlæring og dyp læring. Grunnleggende forståelse av ulike modellers matematiske egenskaper og virkemåte. Studenten lærer seg å beherske analysemetoder som passer til 1) generell maskinlæring 2) sekvensanalyse, 3) bildeklassifisering .

Studentene lærer å koble ulike problemstillinger til valg av hensiktsmessig analysemetodikk.

  • Undervisningen består av forelesninger og praktiske øvelser med bruk av datamaskin og moderne maskinlæringsprogramvare (med bistand fra øvingslærere).
  • Maskinlæring / dyp læring er et fagområde i konstant utvikling, og læringsstøtteressurser på internett vil knyttes opp mot forelesninger og oppgaver via kurshjemmesidene i Canvas.

    Studentene kan utover dette avtale kontakt med ansvarlig lærer på kontoret i treffetiden eller via epost.

  • Pensumlitteratur, programvare, hjelpelitteratur, pensumoversikt m.m. oppgis på kursets hjemmeside.
  • DAT200 eller lignende.

    INF200 eller et tilsvarende emne i videregående programmering.

  • Skriftlig eksamen, 3,5 timer. A-F.
  • Ekstern sensor deltar sammen med intern sensor ved utformingen av eksamensoppgavene og sensorveiledningen. Ekstern sensor kontrollerer intern sensors vurdering av et tilfeldig utvalg kandidater som en kalibrering med visse mellomrom i henhold til fakultetets retningslinjer for sensur.
  • Obligatoriske innleveringsoppgaver. Regler for godkjenning av obligatorisk aktivitet kunngjøres ved kursstart.
  • Forelesninger: 4 timer/uke. Øvinger: 2 timer/uke.
  • Bokstavkarakterer