I denna kurs behandlas designmetoder och olika algoritmer för och varianter av Deep Learning inom klassifiering, prediktion, interaktion och modellering med användning av olika typer av data; ljud, bild, video, text, sekvenser. Begrepp såsom Överträning, Dropouts och Gradienter gås igenom. Installation och användning av hård- och mjukvaror för experimenterande med topologier såsom CNN, RNN, LSTM, DQN och tillhörande parametrar samt inspektion av resultatet utgör en väsentlig del av kursen. Kursen går även kortfattat igenom Dataanalys, Maskininlärning, Tensorer, Datorseende, Transfer Learning, Grunder i Robotik, Reinforcement Learning och metoder med kombinationen Deep Reinforcement Learning. Numeriska implementationer studeras översiktligt. Det är en tidsmässig fördel att ha tillgång till lämpliga beräknings(grafik)kort alternativt ha/få tillgång till motsvarande molntjänst. Man kan köra Windows, OS X eller Linux.
Undervisningen bedrivs på distans i form av inspelade instruktionsfilmer på svenska och engelska, frekvent användning av diskussionsforum, många länkar till on-line material samt handledning i samband med laborationer, grupp- och projektarbeten.
Behörighetskrav
För tillträde till kursen krävs minst 7,5 hp inom området Programmering eller motsvarande. Programspråket i kursen är Python, så kunskaper inom Python är fördelaktiga.
Urval
HögskolepoÀng avklarade per sista anmÀlningsdag (för utbildning pÄ grundnivÄ 1-165 hp, för avancerad nivÄ 30-285 hp)
Studieavgift
Gäller endast medborgare utanför EU, ESS och Schweiz.
Anmälningsavgift: 900 kr.
Studieavgift, första inbetalningen: 19 038 kr.
Total studieavgift: 19 038 kr.
Anmälningskod
UMU-54810
Anmälan
Sista anmälningsdag var den
15 april 2025.
Du kan göra en sen anmälan
via Antagning.se.
