Djup læring
Masteremne
- Studiepoeng
- 10
- Undervisningssemester ³ÕÃ¥°ù
- Emnekode
- INF265
- Talet på semester
- 1
- ±«²Ô»å±ð°ù±¹¾±²õ²Ô¾±²Ô²µ²õ²õ±è°ùÃ¥°ì
- Engelsk
- Ressursar
-
Emnebeskrivelse
MÃ¥l og innhold
³¢Ã¦°ù¾±²Ô²µ²õ³Ü³Ù²ú²â³Ù³Ù±ð
Studenten skal ved avslutta emne ha følgjande læringsutbyte definert i kunnskapar, ferdigheiter og generell kompetanse:
Kunnskapar
Studenten skal vere i stand til å
- forklare dei elementære ideane som ligg til grunn for nevrale nettverk og djuplæring
- samanlikne modelleringsaspekta av forskjellige nevrale nettverk-arkitekturar
Ferdigheiter
Studenten skal vere i stand til å
- implementere enkle algoritmar for nevrale nettverk
- bruke og evaluere djuplæring på reelle datasett
Generell kompetanse
Studenten skal vere i stand til å
- gi vellukka døme på korleis djuplæring kan bli brukt i forskjellige samanhengar i samfunnet
- lese og kritisk evaluere artiklar om nevrale nettverk og deira bruk
Studienivå (studiesyklus)
Undervisningssemester
Krav til forkunnskaper
Ingen
For innvekslingsstudentar: Minst 60 ECTS i informatikk og minst 10 ECTS i matematikk
Anbefalte forkunnskaper
Studiepoengsreduksjon
Krav til studierett
Arbeids- og undervisningsformer
Førelesningar, 4 timar i veka
Gruppeøvingar , 2 timar i veka
Individuelle prosjekt
Obligatorisk undervisningsaktivitet
Vurderingsformer
Mappevurdering. Mappa bestÃ¥r av innleveringar og skriftleg skuleeksamen (3 timar). BÃ¥de innleveringar og eksamen mÃ¥ vere bestÃ¥tt dÃ¥ elementa testar emnet sitt læringsutbyte. Vektinga blir kunngjort pÃ¥ Mitt ºÚÁϳԹÏ×ÊÔ´ ved semesterstart.
Det er ordinær eksamen kvart semester. I semesteret utan undervisning er eksamen tidleg i semesteret. På første påfølgjande tidleg eksamen vert resultata frå resten av mappa vidareført.