TEK9040 – Dyp læring for autonome systemer

Kort om emnet

Emnet tar for seg avanserte algoritmer og arkitekturer for dyp læring med nevrale nettverk. Emnet gir en innføring i hvordan teknikker basert på dyp læring kan anvendes i konstruksjon av viktige deler av avanserte autonome systemer som eksisterer i fysiske miljøer og cybermiljøer.

Hva lærer du?

Etter å ha fullført emnet

• har du en oversikt over moderne algoritmer og arkitekturer for dyp læring med nevrale nettverk relevante for autonome systemer
• har du grundig kunnskap om nevrale nettverk med tilbakekoblinger (recurrent neural networks) og deres utvidelser med minne og oppmerksomhet
• har du kjennskap til utvalgte avanserte algoritmer i dyp forsterkende læring, «reinforcement learning»
• kjenner du stokastiske tilnærminger til dyp læring og ikke-ledet læring
• har du kjennskap til hvordan autonome systemer kan nytte seg av dyp læring for forståelse og beslutningstaking
• kjenner du til hvordan moderne verktøy, som TensorFlow, brukes til å lage viktige komponenter i avanserte autonome systemer

Opptak til emnet

Ph.d.-kandidater ved UiO søker plass på undervisningen og melder seg til eksamen i Studentweb.

Hvis emnet har begrenset kapasitet, vil ph.d.-kandidater som har emnet i sin utdanningsplan ved UiO bli prioritert. Noen nasjonale forskerskoler kan ha egne regler for rangering av søkere til emner med begrenset kapasitet.

Ph.d.-kandidater som har opptak ved andre utdanningsinstitusjoner må innen angitt frist søke om hospitantplass.

Anbefalte forkunnskaper

Det er anbefalt med gode kunnskaper i lineær algebra, statistikk og kalkulus, tilsvarende for eksempel fra MAT1110 – Kalkulus og lineær algebra / MAT1120 – Lineær algebra, STK1100 – Sannsynlighetsregning og statistisk modellering.

Emnet bygger på grunnleggende kunnskap om maskinlæring og nevrale nettverk, for eksempel fra IN3050 – Introduksjon til kunstig intelligens og maskinlæring / IN4050 – Introduksjon til kunstig intelligens og maskinlæring eller IN5400 – Maskinlæring for bildeanalyse (videreført).

Overlappende emner

• 10 studiepoeng overlapp med TEK5040 – Dyp læring for autonome systemer.

Undervisning

Emnet har 3 timer forelesning + 2 timer gruppeundervisning per uke gjennom hele semesteret.

Det vil være 3 obligatoriske praktiske øvelser og en studentpresentasjon, som må godkjennes for å kunne ta avsluttende eksamen. Som ph.d-kandidat må du i tillegg levere et essay, som må godkjennes for å kunne ta avsluttende eksamen.

Eksamen

• Avsluttende skriftlig eksamen teller 100% ved sensurering. 

Alle obligatoriske øvelser og annen obligatorisk aktivitet må være godkjent for å kunne ta eksamen.

Som eksamensforsøk i dette emnet teller også forsøk i følgende tilsvarende emne:

• TEK5040 – Dyp læring for autonome systemer

Hjelpemidler til eksamen

Alle trykte og håndskrevne hjelpemidler er tillatt, samt godkjent kalkulator.

Eksamensspråk

Dersom emnet undervises på engelsk, vil det bare tilbys eksamensoppgavetekst på engelsk. Du kan besvare eksamen på norsk, svensk, dansk eller engelsk.

Karakterskala

Emnet bruker karakterskala bestått/ikke bestått. Les mer om karakterskalaen.

Adgang til ny eller utsatt eksamen

Studenter som dokumenterer gyldig fravær fra ordinær eksamen, kan ta utsatt eksamen i starten av neste semester.

Det tilbys ikke ny eksamen til studenter som har trukket seg under ordinær eksamen, eller som ikke har bestått.

Mer om eksamen ved UiO

• Kildebruk og referanser
• Tilrettelegging på eksamen
• Trekk fra eksamen
• Syk på eksamen / utsatt eksamen
• Begrunnelse og klage
• Ta eksamen på nytt
• Fusk/forsøk på fusk

Andre veiledninger og ressurser finner du på fellessiden om eksamen ved UiO.