Djup maskininlärning 7,5 hp
Om kursen
Kursen behandlar neuronnätverk (neural networks) och ger en introduktion till forskningsfältet djup maskininlärning (deep learning). Kursen beskriver de delar som används för att konstruera djupa neuronnätverk och behandlar bland annat aktiveringsfunktioner, förlustfunktioner, regulariseringstekniker (t.ex. normalisering och bortfall), optimeringsmetoder (speciellt varianter av stokastiska gradientmetoden) och nätverksarkitekturer. Kursen behandlar även djupa generativa modeller. Studenterna lär sig även tillämpa den teoretiska kunskapen genom att implementera och träna moderna nätverksarkitekturer och djupa maskininlärningsmetoder på stora mängder data.
Kursen är uppdelad i två moduler:
- Teori, 5,5 hp
- Laboration, 2,0 hp