Behörighetskrav

120 hp inom teknik/naturvetenskap med Programmeringsteknik I, Kvantfysik eller Fasta tillståndets fysik I/Statistisk mekanik. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)

Mål

Efter godkänd kurs ska studenten kunna:

• redogöra för koncept inom djup maskininlärning (deep learning),
• tillämpa djup maskininlärning för att lösa typiska problem inom fysik, 
• designa och optimera nätverksarkitekturer för olika problem inom fysik eller teknik.

Innehåll

Grundläggande djup maskininlärning. Generalisering, regularisering och validering. Optimering och hyperparameterinställning. Konvolutionella neurala nätverk. Klassificering och regression. Visualisering och avancerade metoder för datorseende. Autokodare. Generativa modeller, variationella autokodare, generativa motståndarnätverk (generative adversarial networks). Exempel från forskning i fysik, t.ex. design av en triggeralgoritm för att mäta kosmiska neutrinos med en detektor på Antarktis och analys av data från världens största partikelaccelerator, LHC. Analys av stora datamängder inom experimentell fysik. Astropartikelfysik, elementarpartikelfysik, bildigenkänning och brusreduktion av data. Praktiska erfarenheter av att använda TensorFlow via Keras Python-gränssnitt.

Undervisning

Föreläsningar och övningar.

Examination

Inlämningsuppgifter.