Kort om emnet

Emnet gir en innf?ring i teorien bak sentrale maskinl?ringsalgoritmer og hvordan disse 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 kjennskap til teorien bak klassifikasjon ved sentrale klassifikatorer, logistisk regresjon,  og nevrale nett og hvordan disse brukes p? digitale bilder
  • Kjenner du de sentrale matematiske metodene brukt i algoritmene
  • Kan du vurdere ulike egenskapsutrekkingsmetoder og hvordan de p?virker klassifikasjonsfeilen
  • Har du kunnskap om overtrening, generalisering, og validering
  • Vet du hvordan konvolusjonsnettverk virker og hvordan disse kan tilpasses ulike form?l.
  • Har du erfaring i ? bruke verkt?y for dyp l?ring som f.eks. Tensorflow

Opptak og adgangsregulering

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

Studenter tatt opp til andre masterprogrammer kan, etter s?knad, f? adgang til emnet hvis dette er klarert med eget program.

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

Forkunnskaper

Anbefalte forkunnskaper

Mat1110/MAT1120

Overlappende emner

10 studiepoeng overlapp mot INF9860 – Maskinl?ring for bildeanalyse (videref?rt)

Undervisning

Det holdes 2 timers forelesning og 2 timer ?velser hver uke.

Det kreves gjennomf?ring av obligatoriske oppgaver. 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.