Deep Learning

Mål

Efter avslutad kurs ska den studerande på en avancerad nivå kunna:

• tillämpa relevanta begrepp och metoder inom Deep Learning för att formulera, strukturera och lösa praktiska problem som har anknytning till stora och komplexa datamängder
• välja en Deep Learning arkitektur som är lämplig för en viss datastruktur, problemformulering och tillämpningsområde
• välja passande aktiveringsfunktioner och hyperparametrar i Deep Learning modeller
• utvärdera prestanda av Deep Learning modeller
• tillämpa moderna Deep Learning mjukvaror för att analysera stora och komplexa datamängder, justera nätverkets arkitektur och göra prediktioner

Innehåll

Kursen fokuserar på huvudbegrepp inom Deep Learning och ett antal kända Deep Learning modeller såsom:

• Djupa och enkla nätverk
• Regularisering, dropout och tidigt stopp. Optimering av djupa neurala nätverk.
• Faltningsnätverk och bildanalys
• Djupa återkopplade neurala nätverk och sekvensanalys
• Autoencoders och egenskapsextraktion
• Generativa Adversariella neurala nätverk