Modulets indhold, forløb og pædagogik

Kursets mål er at give de studerende kompetencer indenfor kunstige neurale netværk inklusive relevante matematiske koncepter. Kurset bygger videre på den grundlæggende forståelse af AI, som er opnået på de to foregående semestre. Indholdet omfatter både bagvedliggende teori indenfor f.eks. arkitekturer og loss-funktioner, samt praktiske aspekter f.eks. justering af hyperparametre, transfer learning og XAI.

Læringsmål

Viden

Studerende som gennemfører modulet vil opnå:

• Viden om kunstige neurale netværks grundlæggende funktionsmåde og klassiske arkitekturer, samt inspirationen fra biologiske neurale netværk
• Viden om træning og evaluering af neurale netværk
• Viden om matematikken bag neurale netværk

Færdigheder

Studerende som gennemfører modulet vil være i stand til at:

• Vælge en passende netværksarkitektur til at løse et givent problem
• Implementere, træne og teste neurale netværk
• Forklare matematikken bag neurale netværk

Kompetencer

Studerende som gennemfører modulet vil være i stand til at:

• Løse et konkret problem hele vejen fra dataindsamling til færdigt resultat ved hjælp af neurale netværk.

Undervisningsform

Se oversigt over undervisningsformer under §17.

Eksamen

Forudsætning for indstilling til prøven

• For at kvalificere sig til eksamen, skal den studerende have afleveret obligatoriske opgaver rettidigt.

Prøver