KURSPLAN Avancerad djupinlärning 7,5 högskolepoäng Advanced deep learning Avancerad nivå, D7047E Version Vår 2020 Lp 3 - Höst 2020 Lp 2Vår 2021 Lp 3 - Höst 2021 Lp 2Vår 2022 Lp 3 - Tills vidare Kursplan gäller: Vår 2021 Lp 3 - Höst 2021 Lp 2Vald version visar för vilken termin och läsperiod som denna kursplanen gäller för. Senaste version visas först. Utbildningsnivå Avancerad nivå Fördjupningskod A1F Betygskala G U 3 4 5 Ämne Datalogi Ämnesgrupp (SCB) Datateknik Ingår i huvudområde Datateknik BehörighetKandidatexamen om minst 180 högskolepoäng inom ett relevant område som datavetenskap, teknisk fysik, elektroteknik, informationssystem, systemvetenskap eller ett närbesläktat område. Studierna skall ha inkluderat introduktion i programmering (exempelvis D0009E eller D0007N) och en grundläggande maskininlärningskurs, som till exempel D7046E Neurala nätverk och lärande maskiner eller motsvarande. Goda färdigheter i engelska motsvarande Engelska 6UrvalUrvalet grundas på 20-285 högskolepoängMål/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 användsKursinnehåll 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).ExaminatorMarcus LiwickiLitteratur. 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 2015Deep Learning Tutorial: http://deeplearning.stanford.edu/wiki/index.php/UFLDL_Tutorial Search books in the library » Sök böcker på biblioteket » KursgivareInstitutionen 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 StudiehandledningStudiehandledning 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.Kursplanen fastställdav Jonny Johansson, HUL SRT 2019-02-15Revideradav Jonny Johansson, HUL SRT 2020-02-21
