Deep learning

2024/2025

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

Prøvens navnDeep learning
Prøveform
Mundtlig pba. projekt
ECTS5
Tilladte hjælpemidler
Med visse hjælpemidler:
Se semesterbeskrivelse
Bedømmelsesform7-trins-skala
CensurIntern prøve
VurderingskriterierVurderingskriterierne er angivet i Universitetets eksamensordning

Fakta om modulet

Engelsk titelDeep Learning
ModulkodeMSNDAKIB3234
ModultypeKursus
Varighed1 semester
SemesterEfterår
ECTS5
UndervisningssprogDansk
UndervisningsstedCampus Aalborg
Modulansvarlig

Organisation

UddannelsesejerDiplomingeniør i design og anvendelse af kunstig intelligens; Professionsbachelor i ingeniørvirksomhed
StudienævnStudienævn for Medieteknologi
InstitutInstitut for Arkitektur og Medieteknologi
FakultetDet Teknisk Fakultet for IT og Design