- Grundläggande teori för djupa nätverk
- Probabilistisk djupinlärning
- Typer av lärande inom djupinlärning
- Djupinlärning med ofullkomliga etiketter
- Pålitlig djupinlärning
DD2610 Djupinlärning, fortsättningskurs 7,5 hp
Information per kursomgång
Information för HT 2025 Start 2025-08-25 programstuderande
- Studielokalisering
KTH Campus
- Varaktighet
- 2025-08-25 - 2026-01-12
- Perioder
HT 2025: P2 (3 hp), P1 (4.5 hp)
- Studietakt
25%
- Anmälningskod
51868
- Undervisningsform
Normal Dagtid
- Undervisningsspråk
Engelska
- Kurs-PM
- Kurs-PM är inte publicerat
- Antal platser
Ingen platsbegränsning
- Målgrupp
- Öppen för studenter från åk 3 samt för studenter antagna på ett masterprogram under förutsättning att kursen kan ingå i programmet
- Planerade schemamoduler
- [object Object]
- Schema
- Del av program
Masterprogram, systemteknik och robotik, åk 2, LDCS, Villkorligt valfri
Masterprogram, datalogi, åk 2, CSDA, Rekommenderad
Masterprogram, industriell ekonomi, åk 1, MAIG, Villkorligt valfri
Masterprogram, systemteknik och robotik, åk 2, RASM, Villkorligt valfri
Masterprogram, cybersäkerhet, åk 2, Rekommenderad
Masterprogram, maskininlärning, åk 2, Villkorligt valfri
Masterprogram, cybersäkerhet, åk 1, Rekommenderad
Masterprogram, biostatistik och datavetenskap, åk 2, Villkorligt valfri
Kontakt
Kursplan som PDF
Notera: all information från kursplanen visas i tillgängligt format på denna sida.
Kursplan DD2610 (HT 2025–)Rubriker med innehåll från kursplan DD2610 (HT 2025–) är markerade med en asterisk ( )
Innehåll och lärandemål
Kursinnehåll
Lärandemål
Efter avslutad kurs ska studenten kunna
- förklara och motivera delområdena inom djupinlärning
- redogöra för den teoretiska bakgrunden för avancerade djupinlärningstekniker
- identifiera behov av ytterligare forskning inom området
- implementera flera djupinlärningsmetoder baserat på ny forskning
- analysera forskning inom området och kritiskt utvärdera metodernas svagheter och styrkor
i syfte att:
- vara förberedd för exjobb/doktorandstudier inom djupinlärning
- bättre kunna möta industrins behov av spetskompetens inom området.
Kurslitteratur och förberedelser
Särskild behörighet
Kunskaper i grundläggande djupinlärning, 7,5 hp, motsvarande slutförd kurs DD2424 eller DD2437.
Kurslitteratur
Du hittar information om kurslitteratur antingen i kursomgångens kurs-PM eller i kursomgångens kursrum i Canvas.
Examination och slutförande
Betygsskala
A, B, C, D, E, FX, F
Examination
- PRO1 - Projektarbete, 3,0 hp, betygsskala: A, B, C, D, E, FX, F
- LAB1 - Laborationer, 4,5 hp, betygsskala: P, F
Examinator beslutar, baserat på rekommendation från KTH:s handläggare av stöd till studenter med funktionsnedsättning, om eventuell anpassad examination för studenter med dokumenterad, varaktig funktionsnedsättning.
Examinator får medge annan examinationsform vid omexamination av enstaka studenter.
När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.
Examinator
Etiskt förhållningssätt
- Vid grupparbete har alla i gruppen ansvar för gruppens arbete.
- Vid examination ska varje student ärligt redovisa hjälp som erhållits och källor som använts.
- Vid muntlig examination ska varje student kunna redogöra för hela uppgiften och hela lösningen.
Ytterligare information
Kursrum i Canvas
Registrerade studenter hittar information för genomförande av kursen i kursrummet i Canvas. En länk till kursrummet finns under fliken Studier i Personliga menyn vid kursstart.
Ges av
Huvudområde
Datalogi och datateknik
Utbildningsnivå
Avancerad nivå
Övrig information
Överlappar med DD2412.
I denna kurs tillämpas EECS hederskodex, se:
http://www.kth.se/eecs/utbildning/hederskodex