DV2574 Maskininlärning

Fristående kurs, 3 Högskolepoäng, Avancerad nivå, vårterminen 2018

Tillfället är stängt för anmälan

Kursen introducerar teorier och metoder från maskininlärning och tillämpar dem praktiskt inom informationsutvinning (data mining).

Fakta

  • Undervisningsform: Distans, flexibel, deltid 10%
  • Studietid: 2018 vecka 03 till 2018 vecka 22
  • Nivå: A1N
  • Anmälan : Tillfället är stängt för anmälan
  • Språk: Undervisningen ges på engelska.
  • Ort: Hela eller delar av undervisningen bedrivs på distans.
  • Antal träffar: Obligatoriska: inga, Frivilliga: inga
  • Huvudområde: Datavetenskap
  • Kursplan: Ladda ner
  • Välkomstbrev: Ladda ner
  • Förkunskapskrav: 90 hp från en ingenjörsutbildning, innehållande 15 hp programmering.

Innehåll

Kursen består av följande teman:
Förståelse av och utveckling med metoder inom lärande system.
Historik, mål, teorier och existerande metoder inkluderande beslutsträd och dess tillämpningar, linjära modeller, clustringsmetoder, artificiella neurala nätverk samt applikationsutveckling av algoritmer.

Lärandemål

Kunskap och förståelse
Efter genomförd kurs ska studenten:

  • översiktligt kunna förklara och sammanfatta resultatet från tillämpning och utvärdering av maskininlärning.


Färdighet och förmåga
Efter genomförd kurs ska studenten:
  • självständigt genomföra och tillämpa inlärningsmetoder på olika problem, samt kunna modifiera befintliga algoritmer eller utveckla nya maskininlärningsmetoder som ska tillämpas på de olika problemen.


Värderingsförmåga och förhållningssätt
Efter genomförd kurs ska studenten:
  • självständigt kunna värdera och jämföra olika metoder för olika inlärningsproblem
  • självständigt kunna analysera prestationsmått av algoritmer.

Kurslitteratur och övriga läromedel

Machine Learning (The art and Science of Algorithms that Make Sense of Data)
Författare: Peter Flach
ISBN: 978-1-107-09639-4
Förlag: Cambridge
Utgivningsår: 2012

Artificial Intelligence: A Guide to Intelligent Systems (2nd Edition)
Författare: Michael Negnevitsky
ISBN: 9780321204660
Förlag: Addison Wesley
Utgivningsår: 2004

Kurslitteratur och övriga läromedel

Machine Learning (The art and Science of Algorithms that Make Sense of Data)
Författare: Peter Flach
ISBN: 978-1-107-09639-4
Förlag: Cambridge
Utgivningsår: 2012

Artificial Intelligence: A Guide to Intelligent Systems (2nd Edition)
Författare: Michael Negnevitsky
ISBN: 9780321204660
Förlag: Addison Wesley
Utgivningsår: 2004

Lärande och undervisning

Kursen är en onlinekurs. Undervisningen består av teoretiska och praktiska delar.
Således kommer kursen ge förståelse både för de teoretiska delarna och en praktisk förmåga som krävs för att analysera, genomföra och utvärdera lärande system.
Förutom detta kommer olika uppgifter ges under kursen och kunskapen utvärderas och ökas genom inlämningsuppgifterna. Uppgifterna ska genomföras individuellt. Om befintlig teori, metoder eller verktyg används, måste det vara tydligt markerade med motivering, citat och beskrivning vid inlämnandet av uppgiften.

Lärare

Examinator
  1. Lars Lundberg
Kursansvarig
  1. Hüseyin Kusetogullari

Bedömning

Examinationsmoment för kursen
Kod Benämning Högskolepoäng Betyg
1705 Inlämningsuppgift 1 1 G-U
1715 Inlämningsuppgift 2 1 G-U
1725 Inlämningsuppgift 3 1 G-U

Betyg

Kursen bedöms med betygen G Godkänd, UX Otillräckligt, komplettering krävs, U Underkänd.

Tentamina

Du kan läsa mer om tentamen i Studentportalen och där anmäler du dig till de flesta tentamina.


Det kan finnas andra planerade examinationstillfällen. Information om dem finns i lärplattformen Canvas eller på annan plats som kursansvarig hänvisar till.

Kursvärdering

Kursansvarig ansvarar för att studenternas synpunkter på kursen systematiskt och regelbundet inhämtas och att resultaten av utvärderingar i olika former påverkar kursens utformning och utveckling.