- Djupa nätverk.
- Probabilistisk djupinlärning.
- Djup överföring och delning av kunskap.
- Oövervakad djup representationsinlärning.
- Högre ordningens lärande.
- Motståndaranpassad inlärning (adversarial learning).
FDD3412 Djupinlärning, forsättningskurs 6,0 hp
![](https://kursinfostorageprod.blob.core.windows.net/kursinfo-image-container/Picture_by_MainFieldOfStudy_26_Default_picture.jpg)
Kursen tar studenten bortom de grundläggande principerna för djupinlärning genom att fördjupa sig forskningsfrontens frågeställningar.
Information för forskarstuderande om när kursen ges
HT19 P1
Om kursomgång
Gäller för kursomgång
HT 2024 Start 2024-08-26 programstuderande
Målgrupp
Ingen information tillagdDel av program
Ingen information tillagdPerioder
P1 (3,0 hp), P2 (3,0 hp)Varaktighet
Studietakt
17%
Undervisningsform
Normal Dagtid
Undervisningsspråk
Engelska
Studielokalisering
KTH Campus
Antal platser
Ingen platsbegränsning
Planerade schemamoduler
Kurs-PM
Kurs-PM är inte publiceratSchema
Schema är inte publiceratKursval
Gäller för kursomgång
HT 2024 Start 2024-08-26 programstuderande
Anmälningskod
50889
Kontakt
Gäller för kursomgång
HT 2024 Start 2024-08-26 programstuderande
Kontaktperson
Hossein Azizpour (azizpour@kth.se)
Examinator
Ingen information tillagdKursansvarig
Ingen information tillagdLärare
Ingen information tillagdInnehåll och lärandemål
Kursinnehåll
Lärandemål
Efter avslutad kurs ska studenten kunna:
- förklara och motivera delområdena inom djupinlärning,
- redogöra för den teoretiska bakgrunden för avancerade djupinlärningstekniker,
- identifiera de riktningar inom vilka ytterligare forskning kan göras för att utveckla området,
- implementera metoder baserat på nyligen publicerade resultat,
- analysera avancerad forskning inom området och kritiskt utvärdera metodernas svagheter och styrkor
i syfte att:
- förbereda sig för exjobb/doktorandstudier inom djupinlärning,
- bli bättre tränad för att möta industrins behov av spetskompetens inom området.
Kurslitteratur och förberedelser
Särskild behörighet
Rekommenderade förkunskaper
Slutförd kurs DD2424 Djupinlärning i Data Science eller DD2437 Artificiella neuronnät och djupa arkitekturer, eller motsvarande kurser.
Utrustning
Kurslitteratur
Uppgift om kurslitteratur meddelas i kurs-PM.
Examination och slutförande
När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.
Betygsskala
Examination
- EXA1 - Examination, 6,0 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.
Övriga krav för slutbetyg
Godkända laborationer och godkänt slutprojekt.
Möjlighet till komplettering
Möjlighet till plussning
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.