IN9400 – Maskinlæring for bildeanalyse

Timeplan, pensum og eksamensdato

Velg semester

Endringer på grunn av koronaviruset

Høsten 2020 vil eksamen i de fleste emner ved MN gjennomføres digitalt, enten som hjemmeeksamen eller som muntlig eksamen, med normal karakterskala. Følg med på semestersiden for oppdatert informasjon om eksamensformen i ditt emne.

Se felles retningslinjer for eksamen ved MN-fakultetet høsten 2020.

Kort om emnet

Emnet gir en innføring i teorien bak sentrale maskinlæringsalgoritmer som brukes i bildeanalyse. Videre beskrives utvalgte metoder og verktøy for dyp læring.

Hva lærer du?

Etter å ha tatt dette emnet:

  • Har du god kunnskap om hvordan nevrale nett er bygget opp og hvordan backpropagation fungerer
  • Har du god kunnskap om hvordan et nett trenes i praksis, og hvordan treningsprosessen kan overvåkes
  • Kjenner du de sentrale matematiske metodene brukt i algoritmene
  • Kjenner du ulike nettverksarkitekturer og i hvilke sammenhenger de er egnet
  • Har du kunnskap om overtrening, generalisering, og validering og hvordan best mulig generalisering kan oppnås
  • Vet du hvordan konvolusjonsnettverk virker og hvordan disse kan tilpasses ulike formål.
  • Har du grunnleggende kunnskap i temaer som unsupervised learning, recurrent networks, og reinforcement learning.
  • Har du erfaring i å bruke verktøy for dyp læring som f.eks. Tensorflow

Ph.d.-varienten vil i tillegg se på utvalgte nye fagartikler innen dyp læring

Opptak til emnet

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.

MAT1110 – Kalkulus og lineær algebra/MAT1120 – Lineær algebra

Overlappende emner

Undervisning

2 timer forelesning og 2 timer seminargrupper hver uke.

Det kreves innlevering og godkjenning av obligatoriske øvelser.

Les mer om krav til innlevering av oppgaver, gruppearbeid og lovlig samarbeid under retningslinjer for obligatoriske oppgaver.

Eksamen

4 timers skriftlig digital eksamen eller muntlig eksamen avhengig av antall oppmeldte.

Alle obligatoriske øvelser må være godkjent for å kunne gå opp til eksamen.

Som eksamensforsøk i dette emnet teller også forsøk i følgende tilsvarende emner: IN5400 - Maskinlæring for bildeanalyseINF5860 - Maskinlæring for bildeanalyse (videreført)INF9860 - Maskinlæring for bildeanalyse (videreført)

Hjelpemidler til eksamen

Ingen hjelpemidler

Karakterskala

Emnet bruker karakterskala bestått/ikke bestått. Les mer om karakterskalaen.

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.

Tilrettelagt eksamen, kildebruk, begrunnelse og klage

Se mer om eksamen ved UiO

Sist hentet fra Felles Studentsystem (FS) 4. des. 2020 11:17:01

Fakta om emnet

Studiepoeng
10
Nivå
Ph.d.
Undervisning
Vår
Eksamen
Vår
Undervisningsspråk
Norsk (engelsk på forespørsel)