Länkstig

Djup maskininlärning

Kurs
DIT968
Avancerad nivå
7,5 högskolepoäng (hp)

Om utbildningen

Syftet med denna kurs 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.

Inom kursen täcks följande områden:

- övervakat lärande genom att minimera korsentropin och med hjälp av korsvalidering

- stokastisk gradientsökningar, bakåtpropagering

- programmeringsspråk för att implementera djupa neuronnät

- framåtriktade neuronnät och faltande nätverk

- återkommande (recurrent) neuronnät, och framför allt nätverk av typen long short term memory

- tekniker för snabbare optimering såsom momentum och batch normalisation

- moderna varianter av neurala nätverk (t.ex. attention-modeller och residualnät)

- "transfer learning" och data-augmentering

- "reinforcement learning" (RL), Markovbeslutsproblem, q-lärande och djupt qlärande

- tillämpningar av exempelvis faltande nätverk på bilder och RL på beslutsproblem

Behörigheter och urval

Förkunskapskrav

För tillträde till kursen krävs att studenten har en examen på kandidatnivå. 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, - 5 hp linjär algebra eller motsvarande, - 5 hp matematisk analys eller motsvarande, - 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.