TEK9040 – Dyp læring for autonome systemer

Timeplan, pensum og eksamensdato

Velg semester

Kort om emnet

Emnet behandler 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 tatt dette emnet:

  • Har du en oversikt over moderne algoritmer og arkitekturer for dyp læring med nevrale nettverk
  • Har du grundig kunnskap om tilbakevendende nevralnett (recurrent neural nets, RNN) og deres utvidelser med minne og oppmerksomhet
  • Har du kjennskap til 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
  • Har du innsikt i aktuell forskning innen stokastiske tilnærminger, ikke-ledet læring og anvendelse i autonome systemer

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.

Forkunnskaper

Anbefalte forkunnskaper

Gode kunnskaper i lineær algebra, statistikk og kalkulus, tilsvarende f.eks. MAT1110 – Kalkulus og lineær algebra/MAT1120 – Lineær algebra, STK1100 – Sannsynlighetsregning og statistisk modellering/STK1110 – Statistiske metoder og dataanalyse.
Det er en fordel å ha kunnskaper om grunnleggende algoritmer for maskinlæring, f.eks IN3050 – Introduksjon til kunstig intelligens og maskinlæring/IN4050 – Introduksjon til kunstig intelligens og maskinlæring.

Overlappende emner

10 studiepoeng overlapp mot TEK5040 – Dyp læring for autonome systemer

Undervisning

2 timer forelesning + 2 timer øvingsveiledning per uke. I tillegg til 4 praktiske øvelser, blir det en obligatorisk prosjektoppgave som vil telle 50 % av den endelige
karakteren. Alle deler må være bestått samme semester.

Eksamen

Muntlig eksamen i slutten av semesteret. Ved stort antall studenter kan eksamen bli holdt skriftlig. Alle de obligatoriske oppgavene må være fullført for å kunne gå opp til eksamen.
Obligatorisk prosjektoppgave teller 50% av den endelige karakteren.

Alle deler må være bestått samme semester.

Eksamensspråk

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.

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.

Fakta om emnet

Studiepoeng

10

Nivå

Ph.d.

Undervisning

Hver høst

Eksamen

Hver høst

Undervisningsspråk

Norsk (engelsk på forespørsel)