Matematiska strukturer hos djupa neurala nätverk

Om utbildningen

Målet med denna kurs är att ge en översikt över de matematiska strukturer som förekommer i moderna djupa neurala nätverk och göra det möjligt för studenter att förstå aktuell forskningslitteratur inom området. För detta ändamål börjar kursen med en kortfattad introduktion till området för djupinlärning följt av djupare dykning i ämnena ekvivarianta neurala nätverk, stora breda neurala nätverk och geometriska aspekter av "explainable" AI. Föreläsningarna åtföljs av datorlabb där studenterna lär sig grunderna i att implementera neurala nätverk.

Behörighet

Utöver grundläggande behörighet krävs kunskaper motsvarande kurserna MSG110 Sannolikhetsteori, MVG301 Programmering med Python, och MMG500 Algebraiska strukturer. Utöver dessa krav är det även önskvärt med kunskaper motsvarande kurserna DIT013 Imperativ programmering med grundläggande objektorientering, MMA211 Högre differentialkalkyl, och MMA201 Representationsteori.

Rekommenderade förkunskaper: uh

Alla tillfällen (1)

Liknande utbildningar

• Statistiska aspekter av djupinlärningUniversitet/högskola
• Djup maskininlärningUniversitet/högskola
• Beräkningsvetenskap: Introduktion till artificiella neuronnätverk och djupinlärningUniversitet/högskola
• Djup maskininlärning med tillämpningar i medicinsk bildanalysUniversitet/högskola