Djup maskininlärning för bildanalys
Kurs, Avancerad nivå, 1MD120
Våren 2024 Våren 2024, Uppsala, 50 %, Campus, Engelska
- Studieort
- Uppsala
- Studietakt
- 50 %
- Undervisningsform
- Campus
- Undervisningstid
- Dag
- Studieperiod
- 18 mars 2024–2 juni 2024
- Undervisningsspråk
- Engelska
- Behörighet
-
120 hp inklusive Statistisk maskininlärning, flervariabelanalys, en fortsättningskurs i programmering och Introduktion till bildanalys eller Datoriserad bildanalys. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)
- Urval
-
Högskolepoäng inom teknik/naturvetenskap (max 240 hp)
- Avgifter
-
Du som inte är medborgare i ett EU-/EES-land eller Schweiz måste betala anmälnings- och studieavgift.
- Anmälningsavgift: 900 kr
- Studieavgift, första inbetalningen: 18 125 kr
- Studieavgift, totalt: 18 125 kr
- Sista anmälningsdag
- 16 oktober 2023
- Anmälningskod
- UU-61612
För dig som är antagen eller reserv
- Registreringsperiod
- 4 mars 2024–25 mars 2024
- Information om registrering.
Våren 2024 Våren 2024, Uppsala, 50 %, Campus, Engelska För utbytesstudenter
- Studieort
- Uppsala
- Studietakt
- 50 %
- Undervisningsform
- Campus
- Undervisningstid
- Dag
- Studieperiod
- 18 mars 2024–2 juni 2024
- Undervisningsspråk
- Engelska
- Behörighet
-
120 hp inklusive Statistisk maskininlärning, flervariabelanalys, en fortsättningskurs i programmering och Introduktion till bildanalys eller Datoriserad bildanalys. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)
För dig som är antagen eller reserv
- Registreringsperiod
- 4 mars 2024–25 mars 2024
- Information om registrering.
Om kursen
Kursen behandlar djup maskininlärning (deep learning) för visuella data såsom datadriven bildklassificering, linjär klassificering och bakåtpropagering. I kursinnehållet finns faltningsneuronnät (CNN) och metoder för träning, visualisering och tolkning av dessa, generativa kontradiktoriska nätverk (GAN), olika arkitekturer samt tillämpningar inom bildanalys (klassificering, detektion, segmentering). Möjligheter och begränsningar med djup maskininlärning, i synnerhet inom bildanalys, diskuteras.
Litteraturlista
Litteraturlista saknas.