- 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
FDD3424 Djupinlärning i Data Science 7,5 hp
Information per kursomgång
Kursomgångar saknas för aktuella eller kommande terminer.
Kursplan som PDF
Notera: all information från kursplanen visas i tillgängligt format på denna sida.
Kursplan FDD3424 (VT 2019–)Rubriker med innehåll från kursplan FDD3424 (VT 2019–) är markerade med en asterisk ( )
Innehåll och lärandemål
Kursinnehåll
Lärandemål
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
Kurslitteratur och förberedelser
Särskild behörighet
Ingen information tillagd
Kurslitteratur
Du hittar information om kurslitteratur antingen i kursomgångens kurs-PM eller i kursomgångens kursrum i Canvas.
Examination och slutförande
Betygsskala
P, F
Examination
- 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.
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
Utbildningsnivå
Forskarnivå