Deep learningLaajuus (3 cr)
Code: TT00BX19
Credits
3 op
Teaching language
- Finnish
Objective
Opiskelija ymmärtää syväoppimisen ja neuroverkkojen perusteet ja niiden opettamiseen liittyvät rajoitukset ja mahdollisuudet. Opiskelija osaa soveltaa syväoppimisessa käytettäviä menetelmiä.
Content
Keinotekoiset neuronit ja neuroverkot
Syväoppiminen neuroverkoilla
Neuroverkkojen opettaminen
Opetettujen neuroverkkojen käyttö
Neuroverkkojen hyperparametrit
Pytorch ympäristön käyttö
Assessment criteria, excellent (5)
Arvosanaan 5 vaaditaan kaikkien kurssin harjoitusten suorittaminen ja palauttaminen sekä kiitettävästi tehty pohdinta harjoituksista.
Assessment criteria, satisfactory (1)
Arvosanaan 1 vaaditaan että palautetuista kurssin harjoituksista käy ilmi, että opiskelija osaa ottaa käyttöön Pytorch -ympäristön, ladata siihen valmiiksi opetetun mallin ja ajaa sitä.
Enrollment
02.12.2022 - 31.01.2023
Timing
01.01.2023 - 19.03.2023
Number of ECTS credits allocated
3 op
Mode of delivery
Contact teaching
Unit
Teknologia
Teaching languages
- Finnish
Degree programmes
- Bachelor’s Degree in Information and Communication Technology
Teachers
- Pekka Huttunen
Groups
-
TTV21SAITTV21SAI
Objective
Opiskelija ymmärtää syväoppimisen ja neuroverkkojen perusteet ja niiden opettamiseen liittyvät rajoitukset ja mahdollisuudet. Opiskelija osaa soveltaa syväoppimisessa käytettäviä menetelmiä.
Content
Keinotekoiset neuronit ja neuroverkot
Syväoppiminen neuroverkoilla
Neuroverkkojen opettaminen
Opetettujen neuroverkkojen käyttö
Neuroverkkojen hyperparametrit
Pytorch ympäristön käyttö
Evaluation scale
0 - 5
Assessment criteria, excellent (5)
Arvosanaan 5 vaaditaan kaikkien kurssin harjoitusten suorittaminen ja palauttaminen sekä kiitettävästi tehty pohdinta harjoituksista.
Assessment criteria, satisfactory (1)
Arvosanaan 1 vaaditaan että palautetuista kurssin harjoituksista käy ilmi, että opiskelija osaa ottaa käyttöön Pytorch -ympäristön, ladata siihen valmiiksi opetetun mallin ja ajaa sitä.
Prerequisites
Python-ohjelmointi
Matematiikka 2 (matriisialgebra)
Enrollment
01.12.2021 - 31.01.2022
Timing
01.01.2022 - 20.03.2022
Number of ECTS credits allocated
3 op
Mode of delivery
Contact teaching
Unit
Teknologia
Teaching languages
- Finnish
Degree programmes
- Bachelor’s Degree in Information and Communication Technology
Teachers
- Pekka Huttunen
Groups
-
TTV20SAITTV20SAI
Objective
Opiskelija ymmärtää syväoppimisen ja neuroverkkojen perusteet ja niiden opettamiseen liittyvät rajoitukset ja mahdollisuudet. Opiskelija osaa soveltaa syväoppimisessa käytettäviä menetelmiä.
Content
Keinotekoiset neuronit ja neuroverkot
Syväoppiminen neuroverkoilla
Neuroverkkojen opettaminen
Opetettujen neuroverkkojen käyttö
Neuroverkkojen hyperparametrit
Pytorch ympäristön käyttö
Evaluation scale
0 - 5
Assessment criteria, excellent (5)
Arvosanaan 5 vaaditaan kaikkien kurssin harjoitusten suorittaminen ja palauttaminen sekä kiitettävästi tehty pohdinta harjoituksista.
Assessment criteria, satisfactory (1)
Arvosanaan 1 vaaditaan että palautetuista kurssin harjoituksista käy ilmi, että opiskelija osaa ottaa käyttöön Pytorch -ympäristön, ladata siihen valmiiksi opetetun mallin ja ajaa sitä.
Prerequisites
Python-ohjelmointi
Matematiikka 2 (matriisialgebra)