Dyp læring

Emneinnhold (foreløpig):

• Introduksjon til deep learning (DL)
• Dype nevrale nettverk (DNN)
• Konvolusjonsnevrale nettverk (CNN)
• Rekursive nevrale nettverk (RNN)
• Transformere og vision transformers (ViT)
• Generative modeller
• Forklarbar KI (Explainable AI)

Læringsutbytte

Etter fullført emne vil studentene kunne:

Kunnskap

• Ha avansert kunnskap innen fagområdet deep learning
• Forstå betydningen av begreper som flerlags perseptron (multi-layer perceptron), konvolusjonsnevrale nettverk og transformere
• Ha spesialisert innsikt og god forståelse av forskningsfronten innen deep learning-teknikker og -algoritmer for et bredt spekter av anvendelser, inkludert, men ikke begrenset til, visuell databehandling

Ferdigheter og generell kompetanse

• Anvende relevante og hensiktsmessige metoder i videre forsknings- og utviklingsarbeid innen deep learning for visuell databehandling og naturlig språkprosessering
• Kritisk vurdere relevant faglitteratur ved løsning av tildelte problemstillinger eller temaer
• Kommunisere faglige problemstillinger, analyser og konklusjoner til spesialister innen fagfeltet, både muntlig og skriftlig
• Tilegne seg ny kunnskap og nye ferdigheter på en selvstendig og strukturert måte
• Utvikle et emneprosjekt basert på et anvendelsesscenario og implementere flere algoritmer for å løse praktiske problemstillinger
• Videreutvikle programmeringsferdigheter i PyTorch og TensorFlow

Se engelsk versjon