FDD3424 Djupinlärning i Data Science 7,5 hp

• Inlärning av representationer från rådata: bilder och text
• Principer för övervakad inlärning
• Elementa för olika metoder för djupinlärning: faltningsnätverk och upprepade nätverk
• Teoretisk kunskap om och praktisk erfarenhet av att träna nätverk för djupinlärning inkuderande optimering med användande av stokastisk gradient descent
• Nya framsteg inom metoder för djupinlärning
• Analys av modeller och representationer
• Överförd inlärning med representationer för djupinlärning
• Exempel på tillämpningar av djupinlärning för inlärning av representationer och igenkänning

Efter kursen ska du kunna:

• förklara de grundläggande ideerna bakom inlärning, representation och igenkänning av rådata
• redogöra för den teoretiska bakgrunden för de metoder för djupinlärning (deep learning) som är vanligast i praktiska sammanhang
• identifiera de praktiska tillämpningar i olika områden av storskalig dataanalys (data science) där metoder för djupinlärning kan vara effektiva (med speciellt fokus på datorseende och språkteknologi)

för att:

• kunna lösa problem kopplade till datarepresentation och igenkänning
• kunna implementera, analysera och utvärdera enkla system för djupinlärning för automatisk analys av bild- och textdata
• erhålla en bred kunskapsbas för att kunna tillgodogöra dig information om och läsa litteratur inom området

När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.

• EXA1 - Examination, 7,5 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.

Josephine Sullivan

• 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.