INF9860 – Maskinlæring for bildeanalyse
Beskrivelse av emnet
Kort om emnet
Emnet gir en innføring i teorien bak sentrale maskinlæringsalgoritmer og hvordan disse brukes i bildeanalyse. Videre beskrives utvalgte metoder og verktøy for dyp læring.
Hva lærer du?
Etter å ha tatt dette emnet:
- Har du god kjennskap til teorien bak klassifikasjon ved sentrale klassifikatorer, logistisk regresjon, og nevrale nett og hvordan disse brukes på digitale bilder
- Kjenner du de sentrale matematiske metodene brukt i algoritmene
- Kan du vurdere ulike egenskapsutrekkingsmetoder og hvordan de påvirker klassifikasjonsfeilen
- Har du kunnskap om overtrening, generalisering, og validering
- Vet du hvordan konvolusjonsnettverk virker og hvordan disse kan tilpasses ulike formål.
- Har du erfaring i å bruke verktøy for dyp læring som f.eks. Tensorflow
- Har du studert utvalgte nye fagartikler innen dyp læring
Opptak og adgangsregulering
Ph.d.-kandidater ved UiO søker plass på undervisningen og melder seg til eksamen i Studentweb.
Hvis emnet har begrenset kapasitet, vil ph.d.-kandidater som har emnet i sin utdanningsplan ved UiO bli prioritert. Noen nasjonale forskerskoler kan ha egne regler for rangering av søkere til emner med begrenset kapasitet.
Ph.d.-kandidater som har opptak ved andre utdanningsinstitusjoner må innen angitt frist søke om hospitantplass.
Overlappende emner
- 10 studiepoeng overlapp mot INF5860 – Maskinlæring for bildeanalyse (videreført)
- 5 studiepoeng overlapp mot STK4030 – Statistisk læring: Videregående regresjon og klassifikasjon (nedlagt)
- 5 studiepoeng overlapp mot STK9030 – Statistical Learning: Advanced Regression and Classification (nedlagt)
Undervisning
Det holdes 2 timers forelesning og 2 timer øvelser hver uke.
Det kreves gjennomføring av obligatoriske oppgaver. Les mer om krav til innlevering av oppgaver, gruppearbeid og lovlig samarbeid under retningslinjer for obligatoriske oppgaver.
Eksamen
Skriftlig eksamen (4 timer). Hvis det er få studenter som tar emnet vil det bli arrangert muntlig eksamen. De obligatoriske oppgavene må være bestått for å kunne gå opp til eksamen.
Eksamensspråk
Du kan besvare eksamen på norsk, svensk, dansk eller engelsk.
Karakterskala
Emnet bruker karakterskala bestått/ikke bestått. Les mer om karakterskalaen.
Begrunnelse og klage
Adgang til ny eller utsatt eksamen
Studenter som dokumenterer gyldig fravær fra ordinær eksamen, kan ta utsatt eksamen i starten av neste semester.
Det tilbys ikke ny eksamen til studenter som har trukket seg under ordinær eksamen, eller som ikke har bestått.
Trekk fra eksamen
Det er mulig å ta eksamen i emnet inntil tre ganger. Dersom du trekker deg fra eksamen etter fristen eller under eksamen, bruker du et eksamensforsøk.
Tilrettelagt eksamen
Søknadskjema, krav og frist for tilrettelagt eksamen.