Djupinlärning
Kurs, Avancerad nivå, 1RT720
Fäll ut informationen nedan för att läsa mer om anmälan och behörighet.
Våren 2026 Våren 2026, Uppsala, 33 %, Campus, Engelska Ges endast inom program
- Studieort
- Uppsala
- Studietakt
- 33 %
- Undervisningsform
- Campus
- Undervisningstid
- Dag
- Studieperiod
- 19 januari 2026–22 mars 2026
- Undervisningsspråk
- Engelska
- Behörighet
-
120 hp. Statistisk maskininlärning och fortsättningskurs i programmering genomgångna. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)
- Sista anmälningsdag
- 15 oktober 2025
- Anmälningskod
- UU-61815
För dig som är antagen eller reserv
- Registreringsperiod
- 5 januari 2026–25 januari 2026
- Institutionens information om registrering
Fäll ut informationen nedan för att läsa mer om anmälan och behörighet.
Våren 2027 Våren 2027, Uppsala, 33 %, Campus, Engelska Ges endast inom program
- Studieort
- Uppsala
- Studietakt
- 33 %
- Undervisningsform
- Campus
- Undervisningstid
- Dag
- Studieperiod
- 18 januari 2027–21 mars 2027
- Undervisningsspråk
- Engelska
- Behörighet
-
120 hp. Statistisk maskininlärning och fortsättningskurs i programmering genomgångna. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)
- Sista anmälningsdag
- 15 oktober 2026
- Anmälningskod
- UU-61815
För dig som är antagen eller reserv
Våren 2027 Våren 2027, Uppsala, 33 %, Campus, Engelska För utbytesstudenter
- Studieort
- Uppsala
- Studietakt
- 33 %
- Undervisningsform
- Campus
- Undervisningstid
- Dag
- Studieperiod
- 18 januari 2027–21 mars 2027
- Undervisningsspråk
- Engelska
- Behörighet
-
120 hp. Statistisk maskininlärning och fortsättningskurs i programmering genomgångna. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)
För dig som är antagen eller reserv
Om kursen
Detta är en fortsättningskurs i maskininlärning med fokus på djupinlärning. Den är uppdelad i två moduler:
- Modul 1: Grunderna i djupinlärning: Neuronnät, , optimering, initialisering och regularisering.
- Modul 2: Neuronnätsarkitekturer för
- bilddata (modellarkitektur: faltningsneuronnät och residualnät),
- mängder och sekventiella data (Modellarkitektur: transformers), och
- grafdata (modellarkitektur: grafneuronnät).
Kursen består av föreläsningar, datorlaborationer, inlämningsuppgifter, helpdesks och en tenta.