Kort om emnet

Emnet gir en innf?ring i teorien bak sentrale maskinl?ringsalgoritmer og hvordan disse brukes i bildeanalyse. Videre beskrives utvalgte metoder og verkt?y for dyp l?ring.

Hva l?rer du?

Etter ? ha tatt dette emnet:

  • Har du god kjennskap til teorien bak klassifikasjon ved sentrale klassifikatorer, logistisk regresjon,  og nevrale nett og hvordan disse brukes p? digitale bilder
  • Kjenner du de sentrale matematiske metodene brukt i algoritmene
  • Kan du vurdere ulike egenskapsutrekkingsmetoder og hvordan de p?virker klassifikasjonsfeilen
  • Har du kunnskap om overtrening, generalisering, og validering
  • Vet du hvordan konvolusjonsnettverk virker og hvordan disse kan tilpasses ulike form?l.
  • Har du erfaring i ? bruke verkt?y for dyp l?ring som f.eks. Tensorflow
  • Har du studert utvalgte nye fagartikler innen dyp l?ring

Opptak og adgangsregulering

Ph.d.-kandidater ved UiO s?ker plass p? undervisningen og melder seg til eksamen i Studentweb.

Hvis emnet har begrenset kapasitet, vil ph.d.-kandidater som har emnet i sin utdanningsplan ved UiO bli prioritert. Noen nasjonale forskerskoler kan ha egne regler for rangering av s?kere til emner med begrenset kapasitet.

Ph.d.-kandidater som har opptak ved andre utdanningsinstitusjoner m? innen angitt frist s?ke om hospitantplass.

Forkunnskaper

Anbefalte forkunnskaper

Mat1110/MAT1120

Overlappende emner