Matematiska strukturer hos djupa neurala nätverk
Om utbildningen
Kursen tar upp olika typer av inlärningsproblem och de grundläggande begreppen inom maskininlärning och djupinlärning. Du får lära dig att använda de viktigaste djupinlärningsarkitekturerna och träningsmetoderna. Du får också träna ett neuralt nätverk med hjälp av vanliga ramverk för djupinlärning i Python.
Saker som behandlas under kurser är exempelvis: avvägning mellan bias och varians, "overfitting", regularisering"feed-forward" neurala nätverk, "backpropagation" och gradientbaserad optimerare, Glorot- och He-initiering och regularisering av neurala nätverk.
Kursen ges vartannat år, vårterminen under jämna år.
Behörigheter och urval
Behörighet
Utöver grundläggande behörighet krävs kunskaper motsvarande kurserna MSG110 Sannolikhetsteori, MVG301 Programmering med Python, och MMG500 Algebraiska strukturer. Utöver dessa krav är det även önskvärt med kunskaper motsvarande kurserna DIT013 Imperativ programmering med grundläggande objektorientering, MMA211 Högre differentialkalkyl, och MMA201 Representationsteori.
Urval
Platsgaranti
Så är det att plugga
Lokaler
Matematiska vetenskaper är en gemensam institution Chalmers/Göteborgs universitet. Din undervisning sker i Matematiska vetenskapers rymliga och ljusa lokaler på Chalmers campus Johanneberg, där det finns föreläsningssalar, datorsalar och grupprum. Här finns också studentlunchrum och läsesal, liksom studievägledare och studieexpedition.
