Deep Learning, Advanced Course

Innehåll visas utifrån dina val

Om du inte hittar någon sida, schemahändelse eller nyhet på din kurswebb kan det bero på att du inte ser den kursomgången/gruppen inom kursen som innehållet tillhör.

Veta mer om din kurswebb

Din kurswebb är sidorna för en kurs du prenumererar på. Du väljer sedan vilka omgångar/grupper inom kursen du vill ha information från. Är du registrerad på en kursomgång sköts prenumeration och val av kursomgäng automatiskt åt dig. Vill du ändra något av detta gör du det under Mina inställningar.

När du är inloggad på din kurswebb ser du:
  • Kursöversikt, nyheter och schema med information som är filtrerat utifrån dina valda omgångar/grupper inom kursen
  • Allmänna sidor för hela kursen
  • Kurswikin som är sidor som alla, lärare och studenter, kan skapa och redigera
  • Sidor som hör till de omgångar/grupper inom kursen du valt eller som valts för dig

Log in to your course web

You are not logged in KTH, so we cannot customize the content.

Welcome to Advanced Topics of Deep Learning!

*** Note. Due to the situation caused by the spread of covid-19 the offering of the course in 2020 P1 is currently planned to be fully online. ***

As the topic suggests the course will delve into some advanced topics of deep learning. As such it requires solid background in core knowledge of deep networks (e.g. DD2424), machine learning in general, and math (calculus, probability theory and algebra). During the course we will go through recent advances in the field of deep learning which essentially means seminal papers from recent (~2014-2019) top venues such as ICML/NIPS/ICLR/JMLR/CVPR/ECCV/ICCV/EMNLP/ACL. This would mean that not having the proper background can make understanding and passing the course quite hard. The advanced topics we will cover are still tentative but includes probabilistic deep networks, uncertainty estimation, deep generative models, meta-learning, understanding deep networks, and the like.

The course will also involve reading, commenting and possibly presenting papers from the recent publications as individual assignments. The final form of assessment will be either writing a full review essay on the advanced topics or a an implementation project which more likely will be done in groups. The tentativeness of the assignment type and final evaluation is due to the unknown number of students who will register for this first round of the course and will be announced in the first lecture in August.


Feedback News