KURSPLAN

Avancerad djupinlärning 7,5 högskolepoäng

Advanced deep learning
Avancerad nivå, D7047E
Version
Kursplan gäller: Vår 2020 Lp 3 - Tillsvidare
Vald version visar för vilken termin och läsperiod som denna kursplanen gäller för. Senaste version visas först.

Kursplanen fastställd
av Jonny Johansson, HUL SRT 2019-02-15

Reviderad
av Jonny Johansson, HUL SRT 2019-02-15

Utbildningsnivå
Avancerad nivå
Fördjupningskod
A1F
Betygskala
G U 3 4 5
Ämne
Datalogi
Ämnesgrupp (SCB)
Datateknik
Ingår i huvudområde
Datateknik

Behörighet

För att tillgodose de allmänna behörighetskraven måste du ha en kandidatexamen med minst 180 högskolepoäng inom ett relevant område som datavetenskap, teknisk fysik, elektroteknik, informationssystem, systemvetenskap eller ett närbesläktat område. Antalet högskolepoäng, 180 Hp, ska innefatta minst 60 hp av kurserna inom IT / CS / IS-områden, inklusive inledande programmering. Den här kursen om avancerad djupinlärning kräver dessutom en fullbordad grundläggande maskininlärningskurs, som till exempel nedanstående kurs eller motsvarande: Kursen om avancerad djupinlärning kräver dessutom en avklarad grundläggande maskininlärningskurs, t ex D7046E Neurala nätverk och lärande maskiner eller motsvarande


Urval

Urvalet grundas på 20-285 högskolepoäng



Mål/Förväntat studieresultat
Kursens mål är att studenten ska utöka sin kunskap och färdigheter i djupinlärning (deep learning). Efter genomgången kurs ska studenten kunna:

[1]. Förklara och använd avancerade begrepp och metoder för djupinlärning

[2]. Beskriva hur de avancerade metoderna fungerar

[3]. Förklara hur avancerade metoder för djupinlärning används och bör användas i organisationer

[4]. Utvärdera resultat i tillämpningar av avancerade analysmetoder

[5]. Analysera och reflektera över förhållandet mellan metoderna, datasetet, problemet/möjligheten som undersöks samt de verktyg och metoder som används

Kursinnehåll
Kursen är en avancerad kurs i djupinlärning. Kursen är utformad för att ge studenter kunskaper som krävs för att angripa maskininlärningsproblem med aktuella metoder. Urvalet av ämnen och metoder kommer att uppdateras utifrån det rådande utvecklingsläget inom forskningsområdet djupinlärning. Speciellt kommer följande ämnen att behandlas: Vanishing Gradient problem och relaterade lösningar; ResNet och LSTM; Reinforcement Learning och artificiell nyfikenhet; Image Captioning and Question Answering; Deep Learning for NLP; Bleeding-edge architectures.

Genomförande
Föreläsningar, laborationer, uppgifter, fallstudier och projektarbete. Under kursen arbetar studenterna i små grupper. Vissa uppgifter eller fallstudier i kursen kan innehålla arbete i kontakt med eller relaterat till industrin. Olika metoder och tekniker används, och det är viktigt att välja rätt metod, teknik eller datorstöd för varje uppgift. Olika lösningsförslag presenteras och diskuteras under föreläsningar innan och efter uppgifterna är lösta.

Undervisning sker på engelska via Internet för distansstudenter och på campus i Luleå för studenter som studerar här.

Examination
Skriftliga prov som testar studentens förmåga att lösa projektuppgifter individuellt och i grupp. Inklusive: Förmåga att förklara och tillämpa avancerade djupinlärningstekniker och förmåga att lösa avancerade maskininlärningsproblem genom att använda djupinlärning (om tillämpligt i kombination med andra maskininlärningstekniker) individuellt och i grupp.

Övrigt
Tekniska krav: Tillgång till dator med Windows XP, mikrofon, webbkamera och behörighet att installera programvara. Internetanslutning (minst 0,5 Mbps).

Examinator
Marcus Liwicki

Litteratur. Gäller från Vår 2020 Lp 3 (Kan ändras fram till 10 veckor innan studiestart)
Deep Learning; Ian Goodfellow Yoshua Bengio and Aaron Courville, MIT Press, 2016
http://www.deeplearningbook.org
Deep learning in neural networks: An overview, Jürgen Schmidhuber, Neural Networks; Volume 61, January 2015
Deep Learning Tutorial: http://deeplearning.stanford.edu/wiki/index.php/UFLDL_Tutorial

Search books in the library »

Kursgivare
Institutionen för system- och rymdteknik (SRT)

Moduler
KodBenämningBetygskalaHPTillståndGäller frånTitel
0001Skriflig tentamen/Individuell examinationG U 3 4 54.00ObligatoriskV20
0002Individuella uppgifterG U 3 4 51.50ObligatoriskV20
0003Grupp-/ProjektarbeteU G#2.00ObligatoriskV20

Studiehandledning
Studiehandledning finns i lärplattformen Canvas före kursstart. Du som är ny student hittar all information du behöver på www.ltu.se/nystudent. Du som redan studerar vid Luleå tekniska universitet hittar information om kursstart via schema på studentwebben alternativt via kursrummet i lärplattformen. Du når lärplattformen via Mitt LTU.