Djup læring

Masteremne

Emnebeskrivelse

Mål og innhald

Kunstige nevrale nettverk er fleksible og mektige maskinlæringsmodellar. Moderne djuplæring har hatt stor suksess i å bruke komplekse nevrale nettverk i problem frå ei rekke forskjellige disiplionar. Dette emnet gir ei forståing av det teoretiske grunnlaget som ligg bak nevrale nettverk og djuplæring. I tillegg inkluderer emnet iverksetting av nevrale nettverk-komponentar og nyttig av djuplæring i reelle datasett ved bruk av moderne djuplæringspakkar.

Læringsutbyte

Studenten skal ved avslutta emne ha følgjande læringsutbyte definert i kunnskapar, ferdigheiter og generell kompetanse:

Kunnskapar
Studenten skal vere i stand til å

  • forklare dei elementære ideane som ligg til grunn for nevrale nettverk og djuplæring
  • samanlikne modelleringsaspekta av forskjellige nevrale nettverk-arkitekturar

Ferdigheiter
Studenten skal vere i stand til å

  • implementere enkle algoritmar for nevrale nettverk
  • bruke og evaluere djuplæring på reelle datasett

Generell kompetanse
Studenten skal vere i stand til å

  • gi vellukka døme på korleis djuplæring kan bli brukt i forskjellige samanhengar i samfunnet
  • lese og kritisk evaluere artiklar om nevrale nettverk og deira bruk

Studienivå (studiesyklus)

Master

Undervisningssemester

Vår
Krav til forkunnskapar
Ingen
Tilrådde forkunnskapar

Maskinlæring, INF264 eller tilsvarande.

Ferdigheiter innan programmering, INF102 eller tilsvarande.

God matematisk bakgrunn, særleg innan lineær algebra, kalkulus og sannsynsrekning (til dømes MAT111, MAT121, STAT110).

Studiepoengsreduksjon
Ingen
Krav til studierett
For oppstart på emnet er det krav om ein studierett knytt til Det matematisk-naturvitskaplege fakultet www.uib.no/matnat/52646/opptak-ved-mn-fakultetet
Arbeids- og undervisningsformer

Førelesningar, 4 timar i veka

Gruppeøvingar , 2 timar i veka

Individuelle prosjekt

Obligatorisk undervisningsaktivitet
Godkjent obligatoriske oppgåver- Obligatoriske aktivitetar er gyldig i to semester; det semesteret aktiviteten vert utført og det påfølgjande.
Vurderingsformer
Skriftleg digital skuleeksamen 3 timar. Obligatoriske arbeidskrav kan inngå i vurderingsgrunnlaget for eksamen Både eksamen og obligatoriske oppgåver må vere bestått.
Karakterskala
Ved sensur av emnet vert karakterskalaen A-F nytta.
Vurderingssemester
Det er ordinær eksamen kvart semester. I semesteret utan undervisning er eksamen tidleg i semesteret.
Litteraturliste
Litteraturlista vil vere klar innan 01.06. for haustsemesteret og 01.12. for vårsemesteret.
Emneevaluering
Studentane skal evaluere undervisninga i tråd med UiB og instituttet sitt kvalitetssikringssystem.
Hjelpemiddel til eksamen
Ingen
Programansvarleg
Programstyret har ansvar for fagleg innhald og oppbygging av studiet og for kvaliteten på studieprogrammet og alle emna der.
Emneansvarleg
Emneansvarleg og administrativ kontaktperson finn du på Mitt UiB, kontakt eventuelt studierettleiar
Administrativt ansvarleg
Det matematisk-naturvitenskapelige fakultet ved Institutt for informatikk har det administrative ansvaret for emnet og studieprogrammet.