TEK9040 – Dyp læring for autonome systemer

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 samt «Transformers»
• har du kjennskap til utvalgte avanserte algoritmer i dyp forsterkende læring, «reinforcement learning»
• kjenner du stokastiske tilnærminger til dyp læring og Bayesianske metoder
• kjenner du forskjellige læringsteknikker som ledet og ikke-ledet læring, selv-ledet læring og meta-læring
• har du kjennskap til generative modeller inkludert store språkmodeller (LLM) og deres bruk
• har du kjennskap til hvordan autonome systemer kan nytte seg av dyp læring for forståelse, beslutningstaking og planlegging av handlinger
• kjenner du til hvordan moderne verktøy, som TensorFlow, brukes til å lage viktige komponenter i avanserte autonome systemer

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.

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).

Emnet har 3 timer forelesning per uke gjennom hele semesteret.

Det vil være 3 obligatoriske praktiske øvelser som må godkjennes for å kunne ta avsluttende eksamen. Som ph.d-kandidat må du i tillegg levere et essay, som må godkjennes for å kunne ta avsluttende eksamen.

• Avsluttende skriftlig eksamen teller 100% ved sensurering.

Alle obligatoriske øvelser og annen obligatorisk aktivitet må være godkjent for å kunne ta eksamen.

Som eksamensforsøk i dette emnet teller også forsøk i følgende tilsvarende emne:

• TEK5040 – Dyp læring for autonome systemer

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.