lu.se

Forskar­utbildnings­kurser

Lunds tekniska högskola | Lunds universitet

Detaljer för kursplan för kurs FRT250F giltig från och med HT 2020

Utskriftsvänlig visning

Allmänt
Syfte
  • Demonstrera förståelse för de koncept som presenteras och kunna använda sig av de metoder som behandlas i kapitel 14-17 i kursboken.
Innehåll
  • Deep computer vision genom convolutional neural networks, behandla sekvenser av data med hjälp av RNNs and CNNs, natural language processing med RNNs, representation och generering av data med autoencoders och GANs.
Kunskap och förståelse
  • För godkänd kurs skall doktoranden
  • demonstrera förståelse för de grundläggande koncepten och metoderna som presenteras i kapitel 14-17 i kursboken. Detta innefattar programmering i Python, CNNs, RNNs, Autoencoders and GANs.
Färdighet och förmåga
  • För godkänd kurs skall doktoranden
  • bidra till diskussionerna i de diskussionsseminarium som hålls för varje kapitel
    själv ansvara för och hålla i ett diskussionsseminarium samt genomföra ett projekt, vilket innefattar implementering av ML-algoritmer i Python.
Värderingsförmåga och förhållningssätt
  • För godkänd kurs skall doktoranden
  • demonstrera förståelse för begränsningar hos olika ML-algoritmer och hur väl de passar för olika standardproblem samt kunna välja ut material för och organisera ett diskussionsseminarium.
Undervisningsformer
  • Seminarier
  • Projekt
  • Litteraturkurs som självstudier
Examinationsformer
  • Seminarieföredrag av deltagarna
  • Tillräcklig medverkan i seminarier och diskussioner.
  • Underkänd, godkänd
Förkunskapskrav
Förutsatta förkunskaper
Urvalskriterier
  • Inga
Litteratur
  • Géron, A.: Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow: Unsupervised learning techniques. 2019. ISBN 9781492032649.
Övrig information
  • Kursen ges på begäran, om tillräcklig efterfrågan finns.
Kurskod
  • FRT250F
Administrativ information
  • 2021-03-01
  • Professor Thomas Johansson

Alla publicerade kurstillfällen för kursplanen

1 kurstillfälle.

Startdatum Slutdatum Publicerad
2020‑11‑01 (ungefärligt) 2021‑02‑09

Utskriftsvänlig visning