IKT450 Deep Neural Networks

UiA →7.5 studiepoeng

Studentvurdering

Hvor relevant opplever du emnet?

Gjennomsnittlig svar: ingen svar

Svært irrelevantSvært relevant

Hva er ditt generelle inntrykk av kurset?

Gjennomsnittlig svar: ingen svar

Svært dårligSvært bra

Hva synes du om emnets nivå?

Gjennomsnittlig svar: ingen svar

Svært lettSvært vanskelig

Hva synes du om arbeidsmengden sett i forhold til antall studiepoeng?

Gjennomsnittlig svar: ingen svar

Svært litenSvært stor

KARAKTERFORDELING · H 2024

69 kandidater

H 2020

H 2024

Grupper etter kjønn

SEMESTER

SNITTKARAKTER

3,73 av 5 poeng

UiA snitt: 3.27

STRYKPROSENT

1,6 %

UiA snitt: 4,1 %

KANDIDATER PER ÅR

snitt over 5 år

SEMESTRE MED DATA

Eksamen og forkunnskaper

Slik vurderes du

Mappe

Kilde: Felles studentsystem (FS) via Universitetet i Agder, slik den var publisert for høsten 2026. Universitetet i Agder er ikke ansvarlig for innholdet på denne siden.

Om IKT450

UiA sin egen emnebeskrivelse — læringsutbytte, innhold og vurderingsform.

Innhold

The course covers theoretical and practical aspects of neural networks:

fundamentals of neural networks including feed-forward models, optimizers, and training algorithms (e.g., backpropagation),
neural network architectures including deep learning models, convolutional neural networks, recurrent neural networks, autoencoders, and generative adversarial networks, and
working end-to-end pipelines including performance evaluation, detecting overfitting, underfitting, and data defects.

Vis resten (7 avsnitt)

Læringsutbytte

In this course, the students will learn the foundations of neural networks and deep learning. They will, at course completion, be able to build and train feed-forward and recurrent neural models, understand the critical parameters in neural architectures, and understand when to apply different models. The students will also learn the theoretical foundation of the models, types of layers, and optimizers, and learn how to design, implement, and analyze advanced shallow and deep neural networks. They will gain practical programming experience with deep neural networks highly relevant to the industry.

Opptakskrav hvis tilbudt som enkeltemne

Admission requirements for the course are the same as for the master’s programme in ICT.

Undervisnings- og læringsformer

Combination of lectures, assignments, paper studies, lab, and report writing. The tasks are done individually or in small groups with group supervision.

The work load for the average student is approximately 200 hours.

Undervisningsspråk

English

Eksamen

Graded portfolio assessment. Information about the content of the portfolio will be given in LMS by the start of the semester.

Studentevaluering

The study programme manager, in consultation with the student representative, decides the method of evaluation and whether the courses will have a midterm- or end of term evaluation, see also the Quality System, section 4.1. Information about evaluation method for the course will be posted on Canvas.

Tilbys som enkeltemne

Yes, subject to availability.

Kilde: Felles studentsystem (FS) via Universitetet i Agder, slik den var publisert for høsten 2026. Universitetet i Agder er ikke ansvarlig for innholdet på denne siden.

Kommentarer

Hva burde andre vite før de tar dette? Anonymt, ingen innlogging.

Ofte stilte spørsmål

Hvor mange studiepoeng er IKT450?: IKT450 (Deep Neural Networks) ved UiA gir 7,5 studiepoeng.
Hva er strykprosenten i IKT450?: Samlet strykprosent for IKT450 ved UiA er 1,6 %, basert på 183 kandidater. Siste semester (høst 2024) var den 0 %.
Hvor vanskelig er IKT450?: Snittkarakteren i IKT450 er B (3.73 av 5 poeng), mot 1,6 % stryk. Jo lavere snitt og høyere strykprosent, jo mer krevende er emnet sammenlignet med andre emner ved UiA.
Hvor kommer tallene for IKT450 fra?: Karakterdataene er hentet fra DBH (Database for statistikk om høyere utdanning) hos HK-dir, publisert under NLOD. Studentvurderingene er våre egne, slått sammen med vurderinger fra Karakterweb.

Studieprogram med dette emnet

Basert på hvor kandidatene til eksamen var registrert (DBH).

Relaterte emner ved UiA

Emner som tas i de samme studieprogrammene som IKT450.

IKT460 Reinforcement Learning snitt B · 0 % stryk
IKT457 Learning Systems snitt C · 17,5 % stryk
IKT452 Computer Vision snitt B · 0 % stryk
IKT433 Distributed and Big Data Systems snitt C · 3 % stryk
IKT464 Advanced ICT Project snitt B · 0 % stryk
MA-447 AI Mathematics snitt C · 26,8 % stryk
IKT465 Research Methods snitt B · 0 % stryk
IKT463 Artificial Intelligence in Society snitt B · 20,8 % stryk

Mer om UiA

Les om karakterfordelingen ved UiA →Les om UiA →

Utvikling over tid

Semester	Kandidater	Snitt	Stryk
Høst 2024	69	B (3.72)	0 %
Høst 2023	33	B (3.64)	9,1 %
Høst 2022	25	B (4.08)	0 %
Høst 2021	27	C (3.19)	0 %
Høst 2020	29	B (4.03)	0 %

Finner retningen …

Om IKT450

UiA sin egen emnebeskrivelse — læringsutbytte, innhold og vurderingsform.

Innhold

The course covers theoretical and practical aspects of neural networks:

fundamentals of neural networks including feed-forward models, optimizers, and training algorithms (e.g., backpropagation),
neural network architectures including deep learning models, convolutional neural networks, recurrent neural networks, autoencoders, and generative adversarial networks, and
working end-to-end pipelines including performance evaluation, detecting overfitting, underfitting, and data defects.

Vis resten (7 avsnitt)

Læringsutbytte

Opptakskrav hvis tilbudt som enkeltemne

Admission requirements for the course are the same as for the master’s programme in ICT.

Undervisnings- og læringsformer

Combination of lectures, assignments, paper studies, lab, and report writing. The tasks are done individually or in small groups with group supervision.

The work load for the average student is approximately 200 hours.

Undervisningsspråk

English

Eksamen

Graded portfolio assessment. Information about the content of the portfolio will be given in LMS by the start of the semester.

Studentevaluering

Tilbys som enkeltemne

Yes, subject to availability.

Kilde: Felles studentsystem (FS) via Universitetet i Agder, slik den var publisert for høsten 2026. Universitetet i Agder er ikke ansvarlig for innholdet på denne siden.

Ofte stilte spørsmål

Hvor mange studiepoeng er IKT450?

IKT450 (Deep Neural Networks) ved UiA gir 7,5 studiepoeng.

Hva er strykprosenten i IKT450?

Samlet strykprosent for IKT450 ved UiA er 1,6 %, basert på 183 kandidater. Siste semester (høst 2024) var den 0 %.

Hvor vanskelig er IKT450?

Snittkarakteren i IKT450 er B (3.73 av 5 poeng), mot 1,6 % stryk. Jo lavere snitt og høyere strykprosent, jo mer krevende er emnet sammenlignet med andre emner ved UiA.

Hvor kommer tallene for IKT450 fra?

Karakterdataene er hentet fra DBH (Database for statistikk om høyere utdanning) hos HK-dir, publisert under NLOD. Studentvurderingene er våre egne, slått sammen med vurderinger fra Karakterweb.

Semester

Kandidater

Snitt

Stryk

Høst 2024

B (3.72)

0 %

Høst 2023

B (3.64)

9,1 %

Høst 2022

B (4.08)

0 %

Høst 2021

C (3.19)

0 %

Høst 2020

B (4.03)

0 %

Karakterfordeling og studentvurderinger i IKT450

Studentvurdering

Hvor relevant opplever du emnet?

Hva er ditt generelle inntrykk av kurset?

Hva synes du om emnets nivå?

Hva synes du om arbeidsmengden sett i forhold til antall studiepoeng?

Eksamen og forkunnskaper

Slik vurderes du

Om IKT450

Innhold

Læringsutbytte

Opptakskrav hvis tilbudt som enkeltemne

Undervisnings- og læringsformer

Undervisningsspråk

Eksamen

Studentevaluering

Tilbys som enkeltemne

Kommentarer

Ofte stilte spørsmål

Studieprogram med dette emnet

Relaterte emner ved UiA

Mer om UiA

Utvikling over tid

Karakterfordeling og studentvurderinger i IKT450

Studentvurdering

Hvor relevant opplever du emnet?

Hva er ditt generelle inntrykk av kurset?

Hva synes du om emnets nivå?

Hva synes du om arbeidsmengden sett i forhold til antall studiepoeng?

Eksamen og forkunnskaper

Slik vurderes du

Om IKT450

Innhold

Læringsutbytte

Opptakskrav hvis tilbudt som enkeltemne

Undervisnings- og læringsformer

Undervisningsspråk

Eksamen

Studentevaluering

Tilbys som enkeltemne

Kommentarer

Ofte stilte spørsmål

Studieprogram med dette emnet

Relaterte emner ved UiA

Mer om UiA

Utvikling over tid