IN5400 ¨C Maskinl?ring for bildeanalyse

Kort om emnet

Emner 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 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, ogvalidering 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 somunsupervised learning, recurrent networks, og reinforcement learning.
• har du erfaring i ? bruke verkt?y for dyp l?ring som f.eks. Tensorflow

Opptak til emnet

Studenter m? hvert semester?s?ke og f? plass p? undervisningen og melde seg til eksamen? i Studentweb.

Dersom du ikke allerede har studieplass ved UiO, kan du s?ke om opptak til v?re?studieprogrammer, eller s?ke om ??bli enkeltemnestudent.

Anbefalte forkunnskaper

MAT1110/MAT1120

Overlappende emner

• 10 studiepoeng overlapp med IN9400 ¨C Maskinl?ring for bildeanalyse (nedlagt).
• 10 studiepoeng overlapp med INF5860 ¨C Maskinl?ring for bildeanalyse (videref?rt).
• 10 studiepoeng overlapp med INF9860 ¨C Maskinl?ring for bildeanalyse (videref?rt).
• 8 studiepoeng overlapp med IN3310 ¨C Dyp l?ring for bildeanalyse.
• 8 studiepoeng overlapp med IN4310 ¨C Deep Learning for Image Analysis.

Undervisning

2 timer forelesning og 2 timer seminargrupper hver uke.

Det kreves innlevering og godkjenning av obligatoriske ?velser.

Les mer om krav til innlevering av oppgaver, gruppearbeid og lovlig 澳门葡京手机版app下载 under retningslinjer for obligatoriske oppgaver.

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 ¨C Deep Learning for Image Analysis, IN3310 ¨C Dyp l?ring for bildeanalyse,?INF5860 - Maskinl?ring for bildeanalyse (videref?rt),?INF9860 - Maskinl?ring for bildeanalyse (videref?rt),?IN9400 - Maskinl?ring for bildeanalyse

Hjelpemidler til eksamen

Ingen hjelpemidler er tillatt.

Karakterskala

Emnet bruker?karakterskala fra A til F, der A er beste karakter og F er stryk. 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.