Course code DAT300

DAT300 Anvendt maskinlæring II

Emnet kan ha endringer på grunn av koronarestriksjoner. Se Canvas og StudentWeb for info.

English course information

Søk etter andre emner

Viser emneinfo for studieåret 2021 - 2022.

Emneansvarlige: Oliver Tomic
Medvirkende: Kristian Hovde Liland
Studiepoeng: 10
Ansvarlig fakultet: Fakultet for realfag og teknologi
Frekvens: Årlig
Undervises på språk: EN
(NO=norsk, EN=Engelsk)
Undervises i periode:

Emnet starter i høstparallellen.

Emnet har undervisning/vurdering i høstparallellen.

Første gang: Studieår 2018-2019
Emnets innhold:

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)
  • Grunnleggende prosessering og analyse av datasett som er større enn minnet i datamaskinen

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.

Læringsutbytte:

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.

Læringsaktiviteter:
Undervisningen består av forelesninger og praktiske øvelser med bruk av datamaskin og moderne maskinlæringsprogramvare (med bistand fra øvingslærere).
Læringsstøtte:

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.

Pensum:
Pensumlitteratur, programvare, hjelpelitteratur, pensumoversikt m.m. oppgis på kursets hjemmeside.
Forutsatte forkunnskaper:

DAT200 eller lignende.

INF200 eller et tilsvarende emne i videregående programmering.

Anbefalte forkunnskaper:
MATH280
Obligatorisk aktivitet:
Obligatoriske innleveringsoppgaver. Regler for godkjenning av obligatorisk aktivitet kunngjøres ved kursstart.
Vurderingsordning:
Skriftlig eksamen, 3,5 timer. A-F.
Sensor:
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.
Normert arbeidsmengde:
Undervisning 78 timer, øvelser 26 timer, kollokvier og egenstudier mm: 146 timer.
Undervisningstid:
Forelesninger: 4 timer/uke. Øvinger: 2 timer/uke.
Hjelpemidler ved skriftlig eksamen(er): A1 Ingen kalkulator. Ingen andre hjelpem.
Eksamensdetaljer: Skriftlig eksamen: A - E / Ikke bestått