TEK5040 – Dyp læring for autonome systemer

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 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.

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, f.eks. fra IN3050 – Introduksjon til kunstig intelligens og maskinlæring/IN4050 – Introduksjon til kunstig intelligens og maskinlæring eller IN5400 – Maskinlæring for bildeanalyse.

Overlappende emner

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 som 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 emner: TEK9040 – Dyp læring for autonome systemer

Hjelpemidler til eksamen

Ingen hjelpemidler tillatt. 

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.

Tilrettelagt eksamen, kildebruk, begrunnelse og klage

Se mer om eksamen ved UiO

Sist hentet fra Felles Studentsystem (FS) 27. okt. 2020 17:15:12

Fakta om emnet

Studiepoeng
10
Nivå
Master
Undervisning
Høst
Eksamen
Høst
Undervisningsspråk
Norsk (engelsk på forespørsel)