• Øving 1: Oppgave (ipynb) med løsningsforslag (ipynb).
• Øving 2: Oppgave (ipynb) med løsningsforslag (ipynb).
• Øving 3: Oppgave (pdf) med løsningsforslag (pdf).
• Øving 4: Oppgave (ipynb) med løsningsforslag (ipynb).
  Aktuelle eksamensoppgaver: Mai 2022: oppg.3, Mai 2017: oppg.4, August 2016 oppg.4.
• Øving 5: Oppgave (pdf) med løsningsforslag (pdf), (python kode).
  Aktuelle eksamensoppgaver: Aug. 2018, oppg. 5, Mai 2018, oppg. 5, Juni 2016, oppg. 4.

I dette faget er det tre prosjekter som hver teller 15 % av den totale karakteren i faget. Prosjektene gjennomføres i grupper av fortrinnsvis 3 studenter.

Under prosjektukene er det ingen forelesninger, men øvingstimer fordelt utover de to ukene. I øvingstimene kan dere møte opp for å få hjelp av flinke studasser med prosjektarbeidet. Øvingstimene er:

  Torsdag 04.04 08:15-10:00 i Smia SB2.
  Fredag 05.04 12.15-14.00 i H3 521 Sprokkit Tapirbygget
  Fredag 05.04 14.15-16.00 i KJL5.
  Mandag 08.04 10:15-12:00 i S21 SB2
  Tirsdag 09.04 16:15-18:00 i 521 Sprokkit Tapirbygget
  Onsdag 10.04 14:15-16:00 i KJL5.
  Torsdag 11.04 08:15-10:00 i Smia SB2.
  Fredag 12.04 12.15-14.00 i H3 521 Sprokkit Tapirbygget
  Fredag 12.04 14.15-16.00 i KJL5 
  Mandag 15.04 10:15-12:00 i S21 SB2
  Tirsdag 16.04 16:15-18:00 i 521 Sprokkit Tapirbygget

  Digital studass: aleksns@ntnu.no

Det er varierende størrelse på rommene vi har, blir det veldig fullt er det fint om man prioriterer plassene til de som får hjelp.

I tillegg til øvingstimene er diskusjonsforumet mattelab åpent. Om dere har veldig små spørsmål som kanskje flere studenter er interessert i kan det være mer hensiktsmessig å spørre her. Og ikke regn med å få respons umiddelbart, vi tar det når vi har tid.

Prosjektene vil være ganske tidkrevende og vanskelige for mange. Vi anbefaler derfor sterkt at dere kommer godt i gang med prosjektene tidlig, og bruker øvingstimene og mattelab godt. Vi anbefaler også at dere starter med å skrive rapport tidlig, ettersom dette kan ta lang tid (og være veldig kjedelig) om man utsetter dette til slutt. Man får uttelling utifra hvor mye av prosjektene man gjennomfører samt hvor godt de er gjennomført. Det er viktig at dere ikke jobber dere i hjel med prosjektene, men forsøker å gjennomføre det dere er i stand til godt.

Angående Git: Til de av dere som velger å bruke Git som verktøy for samarbeid: Sørg for at repositoriet er privat, og bare deles med egne gruppemedlemmer inntil all vurdering i emnet er avsluttet.

Innlevering: Prosjektene leveres i Inspera. Informasjon om hvordan det gjøres for gruppeinnleveringer finner dere her, se på kandidatstyrte grupper. Les disse instruksjonene nøye.

• Prosjekt 1, oppgavetekst
• Prosjekt 1, presentasjon

Her er poengfordeling til prosjekt 2.

• Oppgavetekst (korrigert 01.03.)
• Utlevert kode
• Korrigert datagenerator (11.03.)
• Presentasjon
• Eksempelkode brukt i forelesning 06.03.
• Eksempelkode med dictionaries og arv (inheritance)

Instruksjoner for innlevering av prosjekt 2

Lever en (eller flere) Jupyter notebooks, i tillegg til alle python-filene som trengs for å kjøre koden, alt samlet i en .zip-fil, lastet opp på Inspera.

• I oppgave 1 (i tillegg til oppgave 2.1) kan dere selv velge om dere ønsker å skrive besvarelsen som Markdown i en Jupyter notebook, eller levere den som en egen pdf-fil (latex eller leselig håndskrift).
• For oppgave 2 (unntatt 2.1) vil besvarelsen være python-filene med implementasjon. Utover kommentarer i koden for å forklare spesielle funksjoner eller linjer med kode der dere har løst noe litt annerledes, trengs det ikke tekst eller forklaringer i denne oppgaven.
• I oppgave 3 skal dere levere en eller flere Jupyter notebooks med besvarelsen som viser at koden fungerer og at dere har fått til å trene og test modellen. Dersom dere lager flere hjelpefunksjoner (f.eks til treningsløkka eller for å generere en løsning fra et trent nettverk) ønsker vi i hovedsak at disse blir lagt i en passende, separat python-fil og at dere importerer disse inn i notebooken. Dersom dere bruker "test_implementation.ipynb" i oppgave 3.1 skal denne også leveres inn. Vi forventer at alle cellene i alle notebookene er kjørt før innlevering.
• Vi forventer ikke en lang rapport, men kommenter dersom dere har valgt å endrer størrelsen på modellen (L,d,k,p) eller på datasettene for å få det til å fungere bedre. Kommenter også om resultatene er som forventet og dersom de ikke er det, hva dere tror kan være årsaken.

Bruk av hjelpemidler og referanser: Oppgavene gir størst læringsutbytte dersom de løses uten bruk av kunstig intelligens, i den grad det overhodet er mulig. Hvis, mot denne anbefalingen, dere bruker noen som helst form for KI i forbindelse med denne oppgaven, skal det presiseres hvilket verktøy som er brukt, og hvordan det er brukt i oppgavebesvarelsen.
Siterer dere fra andre kilder (bøker, artikler, web-sider) utover oppgaveteksten og undervisningsmateriale i kurset, skal det også oppgis i en referanseliste.

Fristen for innlevering av prosjekt 2 er tirsdag 13. mars 23:59.

Prosjektet introduseres onsdag 28.02, kl 14.15-16.00.

• Prosjekt 3, oppgavetekst
• Utlevert kode
• Prosjekt 3, presentasjon