Deep learning 1 (5 cr)
Code: C-02473-TT00CC66-3004
General information
- Enrollment
-
30.12.2024 - 06.02.2025
Registration for the implementation has ended.
- Timing
-
01.01.2025 - 31.07.2025
Implementation is running.
- Number of ECTS credits allocated
- 5 cr
- Institution
- Kajaani University of Applied Sciences, Opintojakso järjestetään verkkototeutuksena kevätlukukaudella, lukujärjestyksen mukaisesti. Aloitusluento viikolla 2 Q&A luennot n. 2 viikon välein klo 17 jälkeen Suositeltu suoritusaika jakso 3 (1.1.-16.3.2025) Sallittu suoritusaika 1.1.-30.4.2025
- Teaching languages
- Finnish
- Seats
- 0 - 10
- Course
- C-02473-TT00CC66
Evaluation scale
0 - 5
Content scheduling
Kuvataan Repussa.
Objective
The student understands the basics of deep learning and neural networks and the limitations and opportunities related to teaching them. The student can apply the methods used in deep learning in the Pytorch environment.
Methods of completion
Online learning; Opening lecture, lecture recordings, exercises, discussion on the online platform. The implementation methods are described in more detail in connection with the implementation.
Methods of completion
Lectures (introductory lecture + lecture recordings) and exercises.
Content
- Artificial neurons and neural networks - Deep learning with neural networks - Teaching neural networks - Use of trained neural networks - Hyperparameters of neural networks - Using the Pytorch environment - CNN neural networks (Convolutional Neural Networks) - RNN neural networks (Recurrent Neural Networks) - Basics of natural language processing (NLP).
Location and time
Opintojakso järjestetään verkkototeutuksena kevätlukukaudella, lukujärjestyksen mukaisesti. Aloitusluento viikolla 2 Q&A luennot n. 2 viikon välein klo 17 jälkeen Suositeltu suoritusaika jakso 3 (1.1.-16.3.2025) Sallittu suoritusaika 1.1.-30.4.2025
Teaching methods
Kurssin sisältö ja ohjeistus käydään lävitse aloitusluennolla (n. 2h), joka on katsottavissa myös tallenteena myöhemmin. Kurssilla ei ole erillisiä luentoja, vaan kurssin luentomateriaalit on saatavilla videoina. Kurssin materiaalit ja tehtävät ovat Moodlen Reppu-ympäristössä, luentovideot Youtubessa. Kurssilla ei ole erillistä tenttiä, vaan kurssin suoritus perustuu kurssin harjoitusten palauttamiseen. Harjoitukset tehdään jupyterlab -ympäristössä. Kurssin läpäisy edellyttää kurssin kaikkien tehtävien palauttamisen. Kurssin aikana järjestetään erillisiä kysy-vastaa -sessioita, joissa voi kysyä epäselvistä asioista ja saada apua tehtävien kanssa. Kurssin keskustelu tapahtuu kurssin discord -kanavalla.
Exam schedules
Ei sisällä tenttiä. Harjoitustehtävien palautus 30.4.2025 mennessä.
Completion alternatives
Ei vaihtoehtoista suoritustapaa.
Student workload
Opintojakson laajuus on 5op, mikä vastaa n. 135 tuntia opiskelijan työtä.
Qualifications
Data science mathematics 1 (basic concepts of statistics) Data science mathematics 2 (matrix algebra) Python programming