IN9400 – Maskinl?ring for bildeanalyse
Beskrivelse av emnet
Kort om emnet
Emnet gir en innf?ring i teorien bak sentrale maskinl?ringsalgoritmer som brukes i bildeanalyse. Videre beskrives utvalgte metoder og verkt?y for dyp l?ring.
Hva l?rer du?
Etter ? ha tatt dette emnet:
- Har du god kunnskap om hvordan nevrale nett er bygget opp og hvordan backpropagation fungerer
- Har du god kunnskap om hvordan et nett trenes i praksis, og hvordan treningsprosessen kan overv?kes
- Kjenner du de sentrale matematiske metodene brukt i algoritmene
- Kjenner du ulike nettverksarkitekturer og i hvilke sammenhenger de er egnet
- Har du kunnskap om overtrening, generalisering, og validering og hvordan best mulig generalisering kan oppn?s
- Vet du hvordan konvolusjonsnettverk virker og hvordan disse kan tilpasses ulike form?l.
- Har du grunnleggende kunnskap i temaer som unsupervised learning, recurrent networks, og reinforcement learning.
- Har du erfaring i ? bruke verkt?y for dyp l?ring som f.eks. Tensorflow
Ph.d.-varienten vil i tillegg se p? utvalgte nye fagartikler innen dyp l?ring
Opptak til emnet
Ph.d.-kandidater ved UiO s?ker plass p? 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 s?kere til emner med begrenset kapasitet.
Ph.d.-kandidater som har opptak ved andre utdanningsinstitusjoner m? innen angitt frist s?ke om hospitantplass.
Anbefalte forkunnskaper
MAT1110 – Kalkulus og line?r algebra/MAT1120 – Line?r algebra
Overlappende emner
- 10 studiepoeng overlapp med IN5400 – Maskinl?ring for bildeanalyse (videref?rt).
- 10 studiepoeng overlapp med INF5860 – Maskinl?ring for bildeanalyse (videref?rt).
- 10 studiepoeng overlapp med INF9860 – Maskinl?ring for bildeanalyse (videref?rt).
- 8 studiepoeng overlapp med IN3310 – Dyp l?ring for bildeanalyse.
- 8 studiepoeng overlapp med IN4310 – Deep Learning for Image Analysis.
Undervisning
2 timer forelesning og 2 timer seminargrupper hver uke.
Det kreves innlevering og godkjenning av obligatoriske ?velser.
Eksamen
Avsluttende hjemmeeksamen som teller 100% av endelig karakter.
Alle obligatoriske ?velser m? v?re godkjent for ? kunne g? opp til eksamen.
Som eksamensfors?k i dette emnet teller ogs? fors?k i f?lgende tilsvarende emner:?IN4310 – Deep Learning for Image Analysis,? IN3310 – Dyp l?ring for bildeanalyse,?IN5400 - Maskinl?ring for bildeanalyse,?INF5860 - Maskinl?ring for bildeanalyse (videref?rt),?INF9860 - Maskinl?ring for bildeanalyse (videref?rt)
Hjelpemidler til eksamen
Ingen hjelpemidler
Karakterskala
Emnet bruker karakterskala?best?tt/ikke best?tt. Les mer om?karakterskalaen.
Adgang til ny eller utsatt eksamen
Studenter som dokumenterer gyldig frav?r fra ordin?r eksamen, kan ta?utsatt eksamen i starten av neste semester.
Det tilbys ikke ny eksamen til studenter som har trukket seg under ordin?r eksamen, eller som ikke har best?tt.
Mer om eksamen ved UiO
- Kildebruk og referanser
- Tilrettelegging p? eksamen
- Trekk fra eksamen
- Syk p? eksamen / utsatt eksamen
- Begrunnelse og klage
- Ta eksamen p? nytt
- Fusk/fors?k p? fusk
Andre veiledninger og ressurser finner du p? fellessiden om eksamen ved UiO.