DSK809: Deep Learning

Studerende, der følger kurset, forventes at 

• Have grundlæggende kendskab til lineær algebra.
• Have grundlæggende kendskab til programmering

Kurset bygger til dels oven på den viden, der er erhvervet i kurset DSK804.

Maskinlæring spiller en stor rolle i vores hverdag, fra simple produktanbefalinger til personlige virtuelle assistenter og selvkørende biler. I nyere tid er ”deep learning”, som et resultat af kraftigere hardware og billigere beregningskraft, blevet et populært værktøj til at lære fra kompleks og omfattende data.

I dette kursus diskuteres principperne bag deep learning og dets anvendelse i forskellige felter. Vi vil lære om styrkerne såvel som svaghederne bag disse dybe neurale netværker. Til sidst skal vi også dykke ned i den tekniske og matematiske baggrund for disse metoder, hvordan de fungerer, og hvorfor de virker i visse scenarier.

Kurset vil give de studerende en dyb forståelse for emnet og lære dig at anvende de diskuterede teknikker i en lang række sammenhænge.

For at opnå kursets formål er det læringsmålet for kurset, at den studerende demonstrerer evnen til at:

• Beskrive principperne bag dybe neurale netværker i en et videnskabeligt og præcist sprog og notation.
• Analysere forskellige typer af neurale netværker, de forskellige typer af lag og samspillet mellem dem.
• Beskrive anvendeligheden af deep learning metoder til konkrete problemstillinger.
• Anvende deep learning til at løse konkrete problemer.

Kurset indeholder følgende faglige hovedområder:

• feedforward neurale netværk
• konvolutionelle neurale netværk
• transformere
• backpropagationsalgoritmen
• regularisering
• autoencodere

• Små hjemmeopgaver
• Studium af de nyeste udviklinger og metoder inden for deep learning gennem læsning af nyere videnskabelige artikler.