DV2574 Maskininlärning

Fristående kurs, 3 Högskolepoäng, Avancerad nivå, vårterminen 2019

Ansök

Anmäl dig via antagning.se

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

Fakta

  • Undervisningsform: Distans, blandad undervisningstid, deltid 10%
  • Anmälningskod: BTH-D5715
  • Period: 2019 vecka 04 till 2019 vecka 23
  • Nivå: A1N
  • Anmälan: Anmäl dig via antagning.se
  • Språk: Undervisningen ges på engelska.
  • Ort: Hela eller delar av undervisningen bedrivs på distans.
  • Antal träffar: Obligatorisk 0, Frivillig 0
  • Huvudområde: Datavetenskap
  • Kursplan: Ladda ner
  • Välkomstbrev: Länk till välkomstbrev från ansvarig lärare finns här senast 3 veckor innan kursstart.
  • 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.

Arbetslivsanknytning

Ingen praktik ingår i planerade lärtillfällen. BTH strävar efter tät kontakt med näringslivet vid utveckling av kurser och program.

Lärare

Kursansvarig
  1. Hüseyin Kusetogullari

Tidsåtgång

I genomsnitt bör en student räkna med att studera 80 timmar för att nå lärandemålen.
I denna tid ingår alla olika förekommande lärandeaktiviteter (föreläsningar, självstudier, examination m. m.).
Tidsuppskattningen baseras på att ett akademiskt år omfattar 60 högskolepoäng (motsvarar 60 ECTS credits),
som svarar mot en total studietid på ca 1 600 timmar. Den faktiska studietiden varierar individuellt.

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.

Kommande tentamenstillfällen

Inga kommande centralt samordnade tentamenstillfällen hittades för denna kurs.

För att få delta vid ett centralt samordnat tentamenstillfälle måste du ha anmält dig i Studentportalen senast 15 dagar innan tentamensdagen.


Lokal och tidpunkt publiceras ca 5 dagar innan tentamensdagen.


Det kan finnas andra planerade examinationstillfällen. Information om de finns i It's Learning eller på annan plats som kursansvarig hänvisar till.

Kursutvärdering

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.