Deep Learning
( 25 Moduler )

modul #1
Introduksjon til dyp læring
Oversikt over dyp læring, historie og applikasjoner

modul #2
Matematiske forutsetninger
Gjennomgang av lineær algebra, kalkulus og sannsynlighetsteori

modul #3
Grunnleggende om nevrale nettverk
Introduksjon til kunstige nevrale nettverk, perseptroner og flerlags perseptroner

modul #4
Aktiveringsfunksjoner og tilbakepropagasjon
Aktiveringsfunksjoner, tilbakepropagasjon og gradientnedstigning

modul #5
Bygge og trene nevrale nettverk
Hands-on erfaring med bygging og opplæring av nevrale nettverk ved å bruke et dypt læringsrammeverk

modul #6
Convolutional Neural Networks (CNNs)
Introduksjon til CNNs, convolutional layers and pooling layers

modul #7
CNN Architectures
AlexNet, VGGNet, GoogLeNet og ResNet arkitekturer

modul #8
Transfer Learning and Fine-tuning
Bruk av forhåndstrente CNN-modeller og finjustering for bildeklassifiseringsoppgaver

modul #9
Recurrent Neural Networks (RNNs)
Introduksjon til RNN, enkle RNN, og LSTM-nettverk

modul #10
RNN-arkitekturer
GRU, toveis RNN-er og koder-dekodermodeller

modul #11
sekvens-til-sekvens-modeller
maskinoversettelse, chatbots og sekvens-til-sekvens-modeller

modul #12
Generative Models
Introduksjon til generative modeller, GAN-er og VAE-er

modul #13
Autoencoders and Variational Autoencoders
Dimensjonsreduksjon, autoenkodere og VAE-er

modul #14
Generative Adversarial Networks (GANs)
GAN-er, DCGAN-er og betingede GAN-er

modul #15
Deep Reinforcement Learning
Introduksjon til forsterkende læring, Q-læring og policygradienter

modul #16
Deep Reinforcement Learning Algorithms
DDPG, aktørkritiske metoder, og AlphaGo

modul #17
Usupervised Learning and Clustering
K-betyr, hierarkisk clustering og dimensjonalitetsreduksjon

modul #18
Deep Learning for Natural Language Processing
Ordinnbygging, språkmodeller og tekstklassifisering

modul #19
Attention Mechanisms
Attention in NLP, transformers, and BERT

modul #20
Deep Learning for Computer Vision
Objektdeteksjon, segmentering og sporing

modul #21
Deep Learning Frameworks
TensorFlow, PyTorch, og Keras

modul #22
Model Evaluation and Hyperparameter Tuning
Model evalueringsmetrikker, hyperparametertuning og kryssvalidering

modul #23
Deep Learning Deployment and Production
Modelldistribusjon, modellservering og produksjon

modul #24
Ethics and Fairness in Deep Learning
Etiske betraktninger, skjevheter og rettferdighet i dyplæringsmodeller

modul #25
Kursavslutning og konklusjon
Planlegging av neste trinn i Deep Learning-karrieren

Klar til å lære, dele og konkurrere?