TEK5040 – Dyp læring for autonome systemer
Beskrivelse av emnet
Kort om emnet
Emnet tar for seg avanserte algoritmer og arkitekturer for dyp læring med nevrale nettverk. Emnet gir en innføring i hvordan teknikker basert på dyp læring kan anvendes i konstruksjon av viktige deler av avanserte autonome systemer som eksisterer i fysiske miljøer og cybermiljøer.
Hva lærer du?
Etter å ha fullført emnet
- har du en oversikt over moderne algoritmer og arkitekturer for dyp læring med nevrale nettverk relevante for autonome systemer
- har du grundig kunnskap om nevrale nettverk med tilbakekoblinger (recurrent neural networks) og deres utvidelser med minne og oppmerksomhet
- har du kjennskap til utvalgte avanserte algoritmer i dyp forsterkende læring, «reinforcement learning»
- kjenner du stokastiske tilnærminger til dyp læring og ikke-ledet læring
- har du kjennskap til hvordan autonome systemer kan nytte seg av dyp læring for forståelse og beslutningstaking
- kjenner du til hvordan moderne verktøy, som TensorFlow, brukes til å lage viktige komponenter i avanserte autonome systemer
Opptak til emnet
Studenter tatt opp til andre masterprogrammer kan, etter søknad, få adgang til emnet hvis dette er klarert med eget program.
Dersom du ikke allerede har studieplass ved UiO, kan du søke om opptak til våre studieprogrammer, eller søke om å bli enkeltemnestudent.
Anbefalte forkunnskaper
Det er anbefalt med gode kunnskaper i lineær algebra, statistikk og kalkulus, tilsvarende for eksempel fra MAT1110 – Kalkulus og lineær algebra / MAT1120 – Lineær algebra, STK1100 – Sannsynlighetsregning og statistisk modellering.
Emnet bygger på grunnleggende kunnskap om maskinlæring og nevrale nettverk, for eksempel fra IN3050 – Introduksjon til kunstig intelligens og maskinlæring / IN4050 – Introduksjon til kunstig intelligens og maskinlæring eller IN5400 – Maskinlæring for bildeanalyse (videreført).
Overlappende emner
- 10 studiepoeng overlapp med TEK9040 – Dyp læring for autonome systemer.
Undervisning
Undervisningen består av 3 timer forelesning og 2 timer gruppeundervisning per uke gjennom hele semesteret.
Emnet har 3 obligatoriske, praktiske øvelser og en studentpresentasjon som må være godkjent før avsluttende eksamen.
Eksamen
- Avsluttende skriftlig eksamen teller 100% ved sensurering.
Dette emnet har obligatoriske øvelser som må være godkjent før avsluttende eksamen.
Som eksamensforsøk i dette emnet teller også forsøk i følgende tilsvarende emne:
Hjelpemidler til eksamen
Alle trykte og håndskrevne hjelpemidler er tillatt, samt godkjent kalkulator.
Eksamensspråk
Dersom emnet undervises på engelsk, vil det bare tilbys eksamensoppgavetekst på engelsk. Du kan besvare eksamen på norsk, svensk, dansk eller engelsk.
Karakterskala
Emnet bruker karakterskala fra A til F, der A er beste karakter og F er stryk. 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.
Mer om eksamen ved UiO
- Kildebruk og referanser
- Tilrettelegging på eksamen
- Trekk fra eksamen
- Syk på eksamen / utsatt eksamen
- Begrunnelse og klage
- Ta eksamen på nytt
- Fusk/forsøk på fusk
Andre veiledninger og ressurser finner du på fellessiden om eksamen ved UiO.