1FA006 · Uppsala universitet
Avancerad tillämpad djupinlärning inom fysik och teknik
Ny kurs
Inga tentor än
Ladda upp dina tidigare tentor och få hjälp med att strukturera ditt studiematerial
Få dina tentauppgifter kategoriseradeBli guidad genom ditt studiematerialFå hjälp direkt med teori och tipsHåll koll på dina framsteg
HP
5
Språk
Engelska
Nivå
Avancerad nivå
Fakultet
Teknisk-naturvetenskapliga fakultetsnämnden
Institution
Institutionen för fysik och astronomi
Lärandemål
Efter avklarad kurs skall studenten kunna
- skapa och designa olika avancerade neurala nätverksarkitekurer inom Keras och PyTorch skräddarsydda för problem inom fysik och teknik
- läsa, förstå och hantera komplexa datamängder och förbereda dessa för att träna neurala nätverk
- identifiera vilka djupinlärningsverktyg som är lämpliga för olika specifika problem och tillämpa dessa verktyg för att lösa problemen på ett ändamålsenligt sätt
Kursinnehåll
Avancerade djupa inlärningsarkitekturer och begrepp såsom Grafiska Neurala Nätverk, Transformer, Generativa modeller (GANs och diffusions-modeller), Normaliseringsflöden, osäkerhetsprognoser, kvantiserade nätverk, stora språkmodeller och text-till-bild. Tolkningsbarhet, etik och hållbarhet inom djup inlärning. Praktiska färdigheter i att använda vanliga djupinlärningsbibliotek och verktyg (TensorFlow/KERAS, PyTorch, JAX, scikit-learn, tensorboard, dataladdare och datapipelines). Alla ämnen kommer att studeras med exempel från toppmodern forskning inom fysik och teknik.
Förutsättningar
- 120 hp inom naturvetenskap/teknik. Tillämpad djupinlärning inom fysik och teknik. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)
Liknande kurser vid andra universitet
Gör som 15 000+ studenter och ta kontroll över ditt tentaplugg.
Kom igång gratis