MIEVU4020 – Introduksjon til dyp læring

Timeplan, pensum og eksamensdato

Velg semester

Påmelding

1. Søknadsknappen nedenfor tar deg til opptaksportalen EVUweb.
2. Velg «Universitetet i Oslo» som institusjon.
3. Klikk på knappen «Registrer søknad».
4. Logg inn med ID-porten, Feide eller eIDAS.
5. Endre eventuelle brukeropplysninger og opprett bruker.
6. Følg instruksjonene i søknadsskjemaet og fullfør.

Søk opptak i EVUweb

Kort om emnet

Dyp læring anvendt i bilde-, tale- og tekst-gjenkjenning endrer verden foran øynene våre med nye teknologier innen overvåkning, medisin, autonome våpensystemer og kjøretøy, virtuelle assistenter og språkoversettelse. I hjertet av denne nye dyplæringsrevolusjonen finner vi nevrale nettverk, store mengder annoterte data og behovet for spesialisert programvare og regneressurser. Dette emnet gir en oversikt over denne nye metodologien og diskuterer dens potensiale og begrensninger. Det vil gi en introduksjon til nevrale nettverk, vanlige måter å trene dem på, diskutere gapet mellom teori og praksis i dyp læring, samt gi en kort og bred oversikt over metoder som forklarer hva nevrale nettverk har lært. Et spesielt fokus vil bli lagt på anvendelser i bildeanalyse.

Utdypende kursbeskrivelse og oversikt over samlingene

Hva lærer du?

Etter å ha tatt emnet:

  • har du kjennskap til nevrale nettverk, vanlige arkitekturer for bruk i bildeanalyse, konvulsjoner, og stokastiske gradientmetoder.
  • har du kjennskap til overtrening, generalisering og validering, samt måter å oppnå god generalisering.
  • er du i stand til å diskutere muligheter, begrensninger, og fremtidige utfordringer i dyp læring.
  • har du kjennskap til et programvarebibliotek for trening av nevrale nettverk.

Opptak til emnet

For å ta emnet kreves det generell studiekompetanse.

Det legges i tillegg til grunn at søkere innehar utdanning tilsvarende en bachelor i realfag. Noen emner vil allikevel forutsette eller bygge på bestemte forkunnskaper for at du skal få utbytte av undervisningen. Selv om slike forkunnskaper ikke er et krav for opptak, vil vi fraråde å søke på emner hvor du mangler anbefalte forkunnskaper. For de emnene hvor dette er aktuelt er det angitt i emnebeskrivelsen. 

Søk om opptak

Obligatoriske forkunnskaper

Generell studiekompetanse

Anbefalte forkunnskaper: Det anbefales å ha en bachelor i et realfag samt å ha tatt emnet ITEVU4120 – Verdien av data i beslutningsprosesser før dette emnet. Videre er følgende kurs anbefalt forkunnskap: MAT1100 – Kalkulus, MAT1110 – Kalkulus og lineær algebra, MAT-INF1100 – Modellering og beregninger, STK1000 – Innføring i anvendt statistikk og IN1900 – Introduksjon i programmering for naturvitenskapelige anvendelser.

Undervisning

Undervisningen gjennomføres over tre hele dager. Det beregnes tre timer forelesninger og en time med studentaktiviteter per dag.

Emnet kan undervises på norsk dersom foreleser og alle studenter på første forelesning ønsker det.

Eksamen

Prosjektoppgave som teller 100 % ved sensurering.

Ved oppgaveskriving må du gjøre deg kjent med reglene for kildebruk og referanser. Ved brudd på reglene kan du bli mistenkt for forsøk på fusk.

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 bestått/ikke bestått. Les mer om karakterskalaen.

Tilrettelagt eksamen, kildebruk, begrunnelse og klage

Se mer om eksamen ved UiO

Sist hentet fra Felles Studentsystem (FS) 16. mai 2022 12:25:49

Fakta om emnet

Studiepoeng
2.5
Nivå
Master
Undervisning
Vår og høst
Eksamen
Vår
Undervisningsspråk
Norsk
Kursavgift

Info om kursavgift

Kursavgiften justeres hvert år utifra markedspris.

Dersom man må ta opp igjen eksamen tilfaller en ekstra avgift på 10% av kursavgiften.​