Logga in

Registrera

1RT720 · Uppsala universitet

Djupinlärning

Ny kurs

Kom igång gratis

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

Kurs info

KurssidaKursplan
HP
5
Språk
Engelska
Nivå
Avancerad nivå
Fakultet
Teknisk-naturvetenskapliga fakultetsnämnden
Institution
Institutionen för informationsteknologi

Lärandemål

Efter godkänd kurs ska studenten kunna;

  • beskriva och tillämpa bakåtpropagering tillsammans med gradientmetoden och stokastiska gradientmetoder för att optimera en modell,
  • implementera från grunden ett fullt sammankopplat flerlagers neuronnät,
  • förklara under- och överanpassning och vad som kan göras för att undvika dessa,
  • jämföra och analysera olika slags regulariseringtekniker för djupa neuronnät,
  • använda moderna miljöer för djupinlärning för att lösa praktiska databehandlings- och analysproblem,
  • konstruera och analysera djupa neuronnät för bilddata, tidsseriedata och grafdata.
Kursinnehåll
Datadriven regression och klassificering, linjär klassificering, aktiveringsfunktioner, olika kostnadsfunktioner, gradientbaserad optimering med bakåtpropagering. Faltningsneuronnät (CNN). Transformers. Grafneuronnät (GNN). Storskaliga optimerings- och regulariseringstekniker för att träna djupa modeller. Olika arkitekturer och tillämpningar. Möjligheter och begränsningar med djupinlärning.
Förutsättningar
  • 120 hp. Statistisk maskininlärning och fortsättningskurs i programmering genomgångna. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)
Litteratur
Prince, Simon J. D., Understanding deep learning, Cambridge, Massachusetts, The MIT Press, [2023]
Liknande kurser vid andra universitet
Kungliga Tekniska högskolan

Kungliga Tekniska högskolan

Statistisk inlärning och dataanalys

SF19309 tentor
Kungliga Tekniska högskolan

Kungliga Tekniska högskolan

Moderna metoder för statistisk inlärning

SF29353 tentor
Redo att boosta dina studier?

Gör som 15 000+ studenter och ta kontroll över ditt tentaplugg.

Kom igång gratis

Produkt

  • Priser

  • Karriär

Företag

  • Om oss

  • Blogg

  • Användarvillkor

  • Integritet

  • Support

Universitet

  • KTH

  • Uppsala universitet

  • Linköpings universitet

  • Chalmers

  • Lunds universitet

  • Luleå tekniska universitet

  • Stockholms universitet

  • Gymnasiet

Socialt

  • Instagram

  • Facebook

  • YouTube

  • TikTok

  • Linkedin

© 2026 Crash Course Sverige AB