Avancerad nivå |
7.5 hp
|
Kurskod:
DIT869
Om kursen
Syftet med kursen är att ge en detaljerad introduktion till djup maskininlärning. De senaste åren har djupa neuronnät dramatiskt förbättrat prestandan inom en rad olika områden inklusive talförståelse, datorseende och maskinöversättning. Vi fokuserar främst på de grundläggande principerna för hur djupa nätverk är uppbyggda och hur de tränas, men vi går även igenom en rad tekniker som är centrala i olika tillämpningar. Vår huvudsakliga målsättning är att ge en god förståelse för varför och när djup maskininlärning är användbart, kombinerat med förmågan att tillämpa dem i olika praktiska sammanhang.
För mer information
https://studentportal.gu.se/...
Visa mer
Kursplan
DIT869
Behörighet och urval
Förkunskapskrav:
För tillträde till kursen krävs att studenten har en examen på kandidatnivå inom något ämne, eller har minst 90 hp i datavetenskap, software engineering, matematik eller motsvarande. Specifikt krävs:
- 15 hp avklarade kurser i programmering eller motsvarande,
- en kurs i sannolikhetsteori och statistik, t.ex. DIT862 Statistiska metoder för Data Science eller MSG810 Matematisk statistik och diskret matematik,
- 7,5 hp linjär algebra eller motsvarande,
- 7,5 hp matematisk analys eller motsvarande t.ex. MMGD30 Matematisk analys,
- en första kurs i maskininlärning, t.ex. DIT866 Tillämpad maskininlärning, DIT381 Algoritmer för maskininlärning och inferens, eller MSA220 Statistisk slutledning för stora datamängder.
Följande kunskapsnivå i Engelska krävs; Engelska 6/Engelska B eller motsvarande från ett erkänt internationellt test, t.ex. TOEFL, IELTS.
Urval:
Högskolepoäng, max 225 hp
Studievägledning
E-post: svl@cse.gu.se
Fakultet
Institutionen för data- och informationsteknik
41296 Göteborg
Besöksadress:
Rännvägen 6 B