Kursplan för

Introduktion till artificiella neuronnätverk och deep learning
Introduction to Artificial Neural Networks and Deep Learning

EXTQ40, 7,5 högskolepoäng, A (Avancerad nivå)

Gäller för: Läsåret 2019/20
Beslutad av: Programledning F/Pi
Beslutsdatum: 2019-03-26

Allmänna uppgifter

Valfri för: BME4-sbh, C4, D4-bg, D4-mai, E4-ss, F4, F4-tf, F4-bg, F4-mai, I4, N4, Pi4-ssr, Pi4-bam
Undervisningsspråk: Kursen ges på begäran på engelska

Syfte

Kursens övergripande syfte är att ge studenten grundläggande kunskaper om artificiella neuronnätverk och deep learning, både teoretiska kunskaper och hur man praktiskt använder dem för typiska problem inom maskininlärning och datautvinning.

Mål

Kunskap och förståelse
För godkänd kurs skall studenten

Färdighet och förmåga
För godkänd kurs skall studenten

Värderingsförmåga och förhållningssätt
För godkänd kurs skall studenten

Kursinnehåll

Kursen täcker de vanligaste modellerna inom området artificiella neuronnät med
fokus på den flerlagriga perceptronen. Kursen ger också en introduktion till deep
l earning. Speciellt behandlas:

Kursens examination

Betygsskala: TH - (U,3,4,5) - (Underkänd, Tre, Fyra, Fem)
Prestationsbedömning: Examinationen består av rapporter från obligatoriska datorövningar, samt en skriftlig eller muntlig tentamen vid kursens slut.

Om så krävs för att en student med varaktig funktionsnedsättning ska ges ett likvärdigt examinationsalternativ jämfört med en student utan funktionsnedsättning, så kan examinator efter samråd med universitetets avdelning för pedagogiskt stöd fatta beslut om alternativ examinationsform för berörd student.

Antagningsuppgifter

Förkunskapskrav:

Begränsat antal platser: 100
Urvalskriterier: Avklarade högskolepoäng inom programmet. Förtur ges till studenter vars program har kursen listad i läro- och timplanen.
Kursen överlappar följande kurser: FYTN14

Kurslitteratur

Kontaktinfo och övrigt

Kursansvarig: Mattias Ohlsson, mattias@thep.lu.se
Hemsida: http://cbbp.thep.lu.se/~mattias/teaching/fytn14/