Hoppa till innehåll
← Till sökresultaten

Beräkningsvetenskap: Introduktion till artificiella neuronnätverk och djupinlärning

Universitet/högskola · Kurs · Avancerad nivåLunds universitet

Annons

Annonsplats – inget annonsnätverk kopplat ännu.

Fakta

Ämnesområde
Naturvetenskap
Nivå
Avancerad nivå
Omfattning
7.5 högskolepoäng
Längd
5 veckor
Studietakt
50 %
Studieort
Uppgift saknas
Start
2026-11-02
Slut
2027-01-17
Examen
Uppgift saknas
CSN-berättigad
Uppgift saknas
Avgift
23 125 SEK

Ansökan

Ansökan stängde 2026-04-15

Till ansökan hos Lunds universitet ↗

Påminn mig att söka

Om utbildningen

Deep learning och neurala nätverk förändrar tekniken på spännande sätt. De gör att datorer kan känna igen bilder, förstå tal och spela avancerade spel som Go. Nu har du chansen att lära dig grunderna i dessa kraftfulla metoder. Maskininlärning har utvecklats snabbt och skapat ett stort intresse för artificiella neurala nätverk (ANN). Tack vare mer effektiva algoritmer och kraftfullare hårdvara kan du nu bygga komplexa och högpresterande modeller. Deep learning handlar om att träna dessa nätverk så att de kan bearbeta rå eller minimalt bearbetad data och automatiskt identifiera mönster - en metod som kallas feature learning eller representation learning. I den här kursen får du en grundläggande förståelse för artificiella neurala nätverk och deep learning. Du lär dig både teorin bakom tekniken och hur du kan använda den för att lösa verkliga problem inom maskininlärning och datautvinning. Genom praktiska övningar får du även träna på att bygga, träna och utvärdera olika ANN-modeller, vilket ger dig en bra introduktion till området.

Behörighet

Kunskaper motsvarande 90 hp i naturvetenskap varav minst 45 hp matematik, samt Engelska 6/B.

Rekommenderade förkunskaper: uh

Alla tillfällen (1)

OrtStartStudietaktAnsökan
Skåne län2026-11-0250 %Ansökan stängde 2026-04-15

Liknande utbildningar

Är du anordnare? Lyft utbildningen överst i relevanta sökningar.

Källa: Skolverkets Susa-nav · Uppdaterad i källan 2026-10-06 · Hämtad 2026-10-07. Uppgifter som saknas i källan visas som ”Uppgift saknas”.