Programplaner og emneplaner - Student
ACIT4630 Advanced Machine Learning and Deep Learning Course description
- Course name in Norwegian
- Advanced Machine Learning and Deep Learning
- Study programme
-
Master's Programme in Applied Computer and Information Technology
- Weight
- 10.0 ECTS
- Year of study
- 2020/2021
- Curriculum
-
SPRING 2021
- Schedule
- Programme description
- Course history
-
Introduction
Godkjenning som utvekslingsstudent i tråd med OsloMets regelverk.
Recommended preliminary courses
Associate Professor Laszlo Erdodi
Required preliminary courses
Etter fullført emne har studenten følgende læringsutbytte definert som kunnskap, ferdighet og generell kompetanse.;
Kunnskaper
Studenten har:
- kunnskaper om landet/regionen og kulturen hvor studie/praksisoppholdet finner sted
- innsikt i lokale barnehagepraksiser og pedagogisk tenkning i vertslandet/regionen
- innsikt i situasjonen for barn i vertslandet/regionen
- kunnskap om interkulturell teori, komparativ og flerkulturell pedagogikk;
Ferdigheter
Studenten kan:
- kommunisere i en interkulturell kontekst
- reflektere faglig, etisk og kritisk over egen og andres kulturelle og især pedagogiske tradisjoner og verdier;
Generell kompetanse
Studenten
- er faglig og etisk reflektert med hensyn til interkulturell kommunikasjonsteori og praksis
- kan tilrettelegge for en reflektert og faglig fundert flerkulturell pedagogikk i møte med det kulturelle og språklige mangfold(et) i norske barnehager;
Learning outcomes
Studentene deltar i et forberedelsesprogram som går over to til tre uker, hvor de får innsikt i temaer knyttet til det forestående utenlandsoppholdet.
Under oppholdet fører studenten nøyaktig logg over observasjoner i praksisbarnehagen. Ett til to refleksjonsnotater sendes veileder etter avtale. Studentgruppen skriver en oppgave om et tema valgt ut fra den erfaring som er gjort på stedet. Oppgavens tema skal være relevant for den barnehagevirkelighet studentene opplever der de er, men skal også ha et komparativt pedagogisk perspektiv. Oppgaven skal videre knyttes til kunnskap om kultur, kontekst og barns oppvekstvilkår i det landet studenten befinner seg. Tema og tidspunkt for innlevering avtales med veileder. Studentene oppfordres i tillegg til å knytte bacheloroppgaven til erfaringer og problemstillinger som er opparbeidet gjennom disse månedene.;
Praksis/obligatorisk praksisopplæring
- Hele utenlandsoppholdet varer i tre måneder.
- Under oppholdet vil studentene være i praksis i minst to ulike barnehager/institusjoner for barn.
- Delta i studieopplegg ved samarbeidsinstitusjonen og eventuelle workshops for ansatte innen barnehagefeltet, arrangert av samarbeidsinstitusjonen.
- Delta i eventuelle relevante møter med lokale samarbeidspartnere.
- Planlegge, gjennomføre og evaluere didaktiske prosesser i barnehagen og en workshop i samarbeid med lokalt personale. Dette dokumenteres med en skriftlig innlevering på om lag 1000 ord.
- Én uke til å reise i vertsland/utlandet.
- Én;uke til eksamensarbeid.
Praksis er obligatorisk og gjennomføres etter avtalt plan.;
Studenten gjennomfører 9 uker lokal praksis i barnehagen, minimum 4,5 timer per dag, etter avtalt plan. Studenten har 1 studiedag i uken, samt en uke til eksamensarbeid.I tillegg deltar studenten i studieopplegg ved samarbeidsinstitusjon, tilsvarende én uke,
Praksis i løpet av utenlandsoppholdet innpasses som fem ukers fulltidspraksis, som del av den obligatoriske praksisopplæringen i barnehagelærerutdanningen.;
Content
This course covers the fundamental principles of machine learning and deep learning methods and best practices in solving problems effectively. Most of the problems are related and applicable in many areas such as computer vision, surveillance, assistive technology, medical imaging etc. Therefore, the course intends to provide case studies and examples of ML and DL in solving various problems. Students can explore the tremendous potential of modern AI, ML and DL methods and techniques in solving problems in different application domains through project work.
Teaching and learning methods
This course is divided into two parts. The first part with focus on covering the particular scripting language used in this class, such as its syntax, use and some extra libraries. The first part will also cover the practice of using a version control system as the means to store the code-base. During this part, students will meet for weekly lectures and lab-sessions where they work on exercises.
The second part will focus on the students completing a programming project. The project can be chosen from a portfolio of available problems. The student will work individually on the project and submit a final code-base that also includes documentation. During this part, there may be lectures if needed, but most of the time will be spent on individual supervision of students in lab-sessions.
Practical training
Lab sessions.
Course requirements
None.
Assessment
An individual project report between 6000 and 12000 words, not counting code appendix.
The exam can be appealed.
New/postponed exam
In case of failed exam or legal absence, the student may apply for a new or postponed exam. New or postponed exams are offered within a reasonable time span following the regular exam. The student is responsible for applying for a new/postponed exam within the time limits set by OsloMet. The Regulations for new or postponed examinations are available in Regulations relating to studies and examinations at OsloMet.
Permitted exam materials and equipment
Alle hjelpemidler tillatt
Grading scale
For the final assessment a grading scale from A to E is used, where A denotes the highest and E the lowest pass grade, and F denotes a fail.
Examiners
For the final assessment a grading scale from A to E is used, where A denotes the highest and E the lowest pass grade, and F denotes a fail.
Course contact person
Two internal examiners. External examiner is used periodically.