Gäller för: 2024/25
Fakultet: Lunds tekniska högskola
Beslutad av: Programledning F/Pi
Beslutsdatum: 2024-04-15
Ikraftträdande: 2024-05-08
Fördjupning: Avancerad nivå, kurs/er som inte kan klassificeras
Valfri för: D5-mai, E4, F5, F5-r, F5-mai, I4-fir, M4, MMSR2, Pi5-ssr
Undervisningsspråk: Kursen ges på engelska
Att lära från data har blivit viktigare inom många ingenjörsområden. Metoder för sådan inlärning är ofta baserade på optimering; att träna en maskin består oftast av att lösa ett specifikt optimeringsproblem. Dessa problem är oftast storskaliga. I denna kurs kommer vi lära oss att lösa sådana optimeringsproblem effektivt. Traditionella metoder går inte att applicera då problemen är för stora. Vi kommer presentera en enhetlig beskrivning av algoritmer för storskalig konvex optimering och behandla algoritmer för det icke konvexa problemet att träna djupa neurala nätverk.
Kunskap och förståelse
För godkänd kurs skall studenten
Färdighet och förmåga
För godkänd kurs skall studenten
Värderingsförmåga och förhållningssätt
För godkänd kurs skall studenten
Kursen har föreläsningar, övningar och fyra inlämningsuppgifter.
Föreläsningarna innehåller:
konvexitet, modeller för inlärning, enhetlig beskrivning av konvexa optimeringsalgoritmer, fixpunktsiterationer, monotona operatorer, icke expansiva avbildningar, stokastiska metoder, metoder med reducerad varians, metoder med block-koordinatuppdateringar, icke konvexa stokastiska gradientmetoder för träning av djupa neurala nätverk.
Betygsskala: TH - (U, 3, 4, 5) - (Underkänd, Tre, Fyra, Fem)
Prestationsbedömning: Skriftlig tentamen (5 timmar), 3 inlämningsuppgifter. Om färre än 5 studenter är registrerade kan muntlig examen användas.
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.
Moduler
Kod: 0121. Benämning: Tentamen.
Antal högskolepoäng: 7.5. Betygsskala: TH - (U, 3, 4, 5).
Prestationsbedömning: Godkänd tentamen
Kod: 0221. Benämning: Inlämningsuppgift 1.
Antal högskolepoäng: 0.0. Betygsskala: UG - (U, G).
Prestationsbedömning: Godkänd inlämningsuppgift
Kod: 0321. Benämning: Inlämningsuppgift 2.
Antal högskolepoäng: 0.0. Betygsskala: UG - (U, G).
Prestationsbedömning: Godkänd inlämningsuppgift
Kod: 0421. Benämning: Inlämningsuppgift 3.
Antal högskolepoäng: 0.0. Betygsskala: UG - (U, G).
Prestationsbedömning: Godkänd inlämningsuppgift
Förutsatta förkunskaper:
FMAN61 Optimering
Begränsat antal platser: 90
Urvalskriterier: Avklarade högskolepoäng inom programmet. Förtur ges till studenter vars program har kursen listad i läro- och timplanen.
Kursansvarig: Pontus Giselsson,
pontusg@control.lth.se
Studierektor: Björn Olofsson,
bjorn.olofsson@control.lth.se
Hemsida: http://www.control.lth.se/course/FRTN50