Kursplan för

Hands-on Machine Learning III
Tillämpad maskininlärning III

FRT250F, 3 högskolepoäng

Gäller från och med: Autumn 2020
Beslutad av: Professor Thomas Johansson
Datum för fastställande: 2021-03-01

Allmänna uppgifter

Avdelning: Automatic Control
Kurstyp: Ren forskarutbildningskurs
Undervisningsspråk: English

Syfte

To demonstrate understanding of the concepts and show the ability to use the methods of Chapters 14-17 in the course book.

Mål

Kunskap och förståelse

För godkänd kurs skall doktoranden demonstrate understanding for the basic concepts and methods presented in Chapters 14-17 in the course book. This includes programming in Python, CNNs, RNNs, Autoencoders and GANs.

Färdighet och förmåga

För godkänd kurs skall doktoranden

Värderingsförmåga och förhållningssätt

För godkänd kurs skall doktoranden demonstrate understanding for the suitability of different ML-algorithms to bench-mark problems and be able to choose parts of the chapter content to present at the chapter-session they are hosting as well as organize the meeting.

Kursinnehåll

Deep computer vision using convolutional neural networks, processing sequences using RNNs and CNNs, natural language processing with RNNs and attention, representation, generation using autoencoders and GANs.

Kurslitteratur

Géron, A.: Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow: Unsupervised learning techniques. 2019. ISBN 9781492032649.

Kursens undervisningsformer

Undervisningsformer: Seminarier, projekt, litteraturkurs som självstudier

Kursens examination

Examinationsform: Seminarieföredrag av deltagarna. Sufficient participation in the seminars and the discussions.
Betygsskala: Underkänd, godkänd
Examinator:

Antagningsuppgifter

Urvalskriterier: None

Övrig information

The course is given upon request, if sufficient demand is present.

Kurstillfällesinformation

Kontaktinformation och övrigt

Kursansvariga:


Hemsida: https://canvas.education.lu.se/courses/3766

Fullständig visning