MIEVU4020 – Introduksjon til dyp l?ring

Timeplan, pensum og eksamensdato

Velg semester

Kort om emnet

Dyp l?ring anvendt i bilde-, tale- og tekst-gjenkjenning endrer verden foran ?ynene v?re med nye teknologier innen overv?kning, medisin, autonome v?pensystemer og kj?ret?y, virtuelle assistenter og spr?koversettelse. I hjertet av denne nye dypl?ringsrevolusjonen finner vi nevrale nettverk, store mengder annoterte data og behovet for spesialisert programvare og regneressurser. Dette emnet gir en oversikt over denne nye metodologien og diskuterer dens potensiale og begrensninger. Det vil gi en introduksjon til nevrale nettverk, algoritmer for trening av slike nettverk, og praktisk erfaring med dette.?Et spesielt fokus vil bli lagt p? anvendelser i bildeanalyse.?

Utdypende kursbeskrivelse og oversikt over samlingene

Hva l?rer du?

Etter ? ha tatt emnet:

  • har du kjennskap til nevrale nettverk, vanlige arkitekturer for bruk i bildeanalyse, konvulsjoner, og stokastiske gradientmetoder.
  • har du kjennskap til overtilpasning, generalisering og validering, samt m?ter ? oppn? god generalisering.
  • er du i stand til ? diskutere muligheter, begrensninger, og fremtidige utfordringer i dyp l?ring.
  • har du kjennskap til et programvarebibliotek for trening av nevrale nettverk.

Opptak til emnet

For ? ta emnet kreves det generell studiekompetanse.

Det legges i tillegg til grunn at s?kere innehar? faglig utdanningsmessig modenhet?tilsvarende en bachelor i realfag. Noen EVU-emner vil ogs? forutsette? eller bygge p? bestemte forkunnskaper for at deltakere skal f? fullt utbytte av undervisningen. Selv om slike forkunnskaper ikke er et krav for opptak, vil vi frar?de ? s?ke p? emner hvor du mangler anbefalte? forkunnskaper. For de emnene hvor dette er aktuelt er det angitt i emnebeskrivelsen.?

S?k om opptak

  1. Lenken ovenfor tar deg til opptaksportalen EVUweb.
  2. Velg ?Universitetet i Oslo? som institusjon.
  3. Klikk p? knappen ?Registrer s?knad?.
  4. Logg inn med ID-porten, Feide eller eIDAS.
  5. Endre eventuelle brukeropplysninger og opprett bruker.
  6. F?lg instruksjonene i s?knadsskjemaet og fullf?r.

Obligatoriske forkunnskaper

Generell studiekompetanse

Anbefalte forkunnskaper: Det anbefales ? ha en bachelor i et realfag samt ? ha tatt emnet ITEVU4120 – Verdien av data i beslutningsprosesser f?r dette emnet. Videre er f?lgende kurs anbefalt forkunnskap: MAT1100 – Kalkulus, MAT1110 – Kalkulus og line?r algebra, MAT-INF1100 – Modellering og beregninger, STK1000 – Innf?ring i anvendt statistikk og IN1900 – Introduksjon i programmering for naturvitenskapelige anvendelser.

Undervisning

Undervisningen gjennomf?res over tre hele dager. Det beregnes tre timer forelesninger og en time med studentaktiviteter per dag.

Emnet undervises p? norsk.

Eksamen

Prosjektoppgave?som teller 100 % ved sensurering.

Ved oppgaveskriving m? du gj?re deg?kjent med?reglene for kildebruk og referanser. Ved brudd p? reglene kan du bli mistenkt for?fors?k p? fusk.

Eksamensspr?k

Dersom emnet undervises p? engelsk vil det bare tilbys eksamensoppgavetekst p? engelsk. Du kan besvare eksamen p? norsk, svensk, dansk eller engelsk.

Karakterskala

Emnet bruker karakterskala?best?tt/ikke best?tt. Les mer om karakterskalaen.

Tilrettelagt eksamen, kildebruk, begrunnelse og klage

Se mer om eksamen ved UiO

Sist hentet fra Felles Studentsystem (FS) 23. mai 2022 22:41:32

Fakta om emnet

Studiepoeng
2.5
Niv?
Master
Undervisning
V?r og h?st

Dersom det er 8 eller f?rre p?meldt, vil emnet bli avlyst.

Eksamen
V?r
Undervisningsspr?k
Norsk
Kursavgift

Info om kursavgift

Kursavgiften justeres hvert ?r utifra markedspris.

Dersom man m? ta opp igjen eksamen tilfaller en ekstra avgift p? 10% av kursavgiften.?