DV2594 Maskininlärning för strömmande data

Fristående kurs, 5 Högskolepoäng, Avancerad nivå, höstterminen 2020

Ansök

Anmäl dig via antagning.se

Syftet med denna kurs är att ge studenten en introduktion till och praktisk erfarenhet av maskininlärning för strömmande data.

Fakta

  • Undervisningsform: Distans, blandad undervisningstid, deltid 17%
  • Anmälningskod: BTH-D5806
  • Studietid: 2020 vecka 36 till 2021 vecka 02
  • Nivå: A1N
  • Anmälan: Anmäl dig via antagning.se
  • 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: Länk till välkomstbrev från ansvarig lärare finns här senast 3 veckor innan kursstart.
  • Förkunskapskrav: För tillträde till kursen krävs kandidatexamen i datavetenskap, datorteknik, elektroteknik eller motsvarande.

Innehåll

Kursen omfattar följande delar:
• Förstå och utveckla maskininlärningsmetoder och -teorier inklusive matematisk statistik, dimensionsminskning, val av funktion och visualisering, beslutsträd och dess tillämpningar, univariata och multivariata linjära modeller, logistisk regression, klusteringsmetoder, ”närmaste granne”-klassificerare, support vector machines, neurala nätverk, ensemble klassificerare.
• Diskutera tillämpningstrender för att använda maskininlärningsmetoder i olika branscher och i olika vetenskapliga forskningsproblem.
• Designa, implementera och testa olika maskininlärningsalgoritmer.
• Utvärdera maskininlärningsmetoder med olika mätetal.

Lärandemål

Kunskap och förståelse
• kunna förklara och sammanfatta oberoende resultat från tillämpning och utvärdering av maskininlärningsmetoder.
Färdighet och förmåga
• kunna implementera och tillämpa maskininlärningsmetoder på olika strömningsdataproblem.
• kunna ändra befintliga algoritmer eller utveckla nya maskininlärningsmetoder som kan tillämpas på olika strömningsdataproblem.
Värderingsförmåga och förhållningssätt
• kunna planera och genomföra experiment för att utvärdera och jämföra metoder för maskininlärning.
• kunna välja den bästa maskininlärningsalgoritmen genom att analysera och utvärdera prestanda för olika metoder.

Kurslitteratur och övriga läromedel

Kursanteckningar publiceras regelbundet och presentationer delas varje vecka på kursens webbsida.
Huvudbok: Machine Learning for Data Streams with Practical Examples in MOA
Författare: Albert Bifet, Ricard Gavaldà, Geoff Holmes and Bernhard Pfahringer
ISBN: 9780262037792
Utgivare: The MIT Press
År: 2018
Övrigt läromedel:
Bok: Machine Learning (The art and Science of
Algorithms that Make Sense of Data)
Författare: Peter Flach
ISBN: 978-1-107-09639-4
Utgivare: Cambridge
År: 2012

Kurslitteratur och övriga läromedel

Kursanteckningar publiceras regelbundet och presentationer delas varje vecka på kursens webbsida.
Huvudbok: Machine Learning for Data Streams with Practical Examples in MOA
Författare: Albert Bifet, Ricard Gavaldà, Geoff Holmes and Bernhard Pfahringer
ISBN: 9780262037792
Utgivare: The MIT Press
År: 2018
Övrigt läromedel:
Bok: Machine Learning (The art and Science of
Algorithms that Make Sense of Data)
Författare: Peter Flach
ISBN: 978-1-107-09639-4
Utgivare: Cambridge
År: 2012

Lärande och undervisning

Kursen kommer att vara online. Utbildningen omfattar teori och praktiska delar. Således kommer kursen att ge teoretisk och praktisk kunskap för att analysera, implementera och utvärdera maskininlärningssystem. Dessutom kommer två olika inlämningsuppgifter och ett projekt att ges under kursen. Uppgifterna och projektet måste utföras individuellt.

Lärare

Kursansvarig
  1. Hüseyin Kusetogullari

Bedömning

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.