Logga in

Registrera

TSKS18 · Linköpings universitet

Generativ AI för datakompression och transmission

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
6
Språk
Svenska
Nivå
Avancerad nivå
Fakultet
Tekniska fakulteten
Institution
Institutionen för systemteknik

Lärandemål

Efter att ha avslutat kursen bör studenten kunna:

  • förklara de teoretiska grunderna för djup generativ modellering, inklusive metoder för att modellera en sannolikhetstäthetsfunktion, nätverksstruktur, förlustfunktion och träningsrutiner;
  • implementera och träna generativa AI-modeller för att generera ny data, och tillämpa dessa modeller i ett system för datakompression och transmission;
  • analysera och utvärdera effektiviteten av en lösning baserad på generativa modelleringstekniker för datakompression och transmission;
  • reflektera över konsekvenser och etiska överväganden av att använda generativa AI-verktyg.
Kursinnehåll
Denna kurs ger en introduktion till generativa modeller, deras tillämpningar för datakompression och transmission, samt deras konsekvenser och etiska överväganden. Detta inkluderar: introduktion till sannolikhetsbaserad generativ modellering; generativa modeller (inklusive variational autoencoders, generativa motståndarnätverk, diffusionsmodeller, flödesbaserade modeller, energibaserade modeller, transformatorer); ramverk och tekniker för datakompression och transmission baserad på generativ AI, inklusive neural kompression, avvägning mellan takt, distorsion och perception, latent kodning, gemensam käll- och kanalkodning; integritet, säkerhet och etiska överväganden kring generativ AI.
Förutsättningar
  • Envariabelanalys, linjär algebra (t.ex. matriser), sannolikhetslära, Grunder i maskininlärning, Python-programmeringskunskaper, t.ex. för att träna en maskininlärningsmodell
Litteratur
Deep generative modeling. - Tomczak, Jakub M
ICML - Blau, Yochai, Michaeli, Tomer
IEEE Transactions on Cognitive Communications and Networking - Bourtsoulatze, E., Burth Kurka, D.
IEEE Wireless Communications - Dai, Jincheng, Qin, Xiaoqi
Foundations and Trends in Computer Graphics and Vision - Yibo Yang, Stephan Mandt and Lucas Theis, An Introduction to Neural Data Compression
Liknande kurser vid andra universitet
Kungliga Tekniska högskolan

Kungliga Tekniska högskolan

Logik för dataloger

DD135143 tentor
Kungliga Tekniska högskolan

Kungliga Tekniska högskolan

Tillämpad datalogi

DD132038 tentor
Kungliga Tekniska högskolan

Kungliga Tekniska högskolan

Datalagring

IV135125 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