Naturliga beräkningsmetoder för maskininlärning
10 hp
Kurs, Avancerad nivå, 1DL073
Våren 2025 Våren 2025, Uppsala, 33 %, Campus, Engelska
- Studieort
- Uppsala
- Studietakt
- 33 %
- Undervisningsform
- Campus
- Undervisningstid
- Dag
- Studieperiod
- 20 januari 2025–8 juni 2025
- Undervisningsspråk
- Engelska
- Behörighet
-
120 hp inklusive 15 hp matematik och 60 hp datavetenskap/systemvetenskap, varav minst 20 hp programmering/algoritmer/datastrukturer. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)
- Urval
-
Högskolepoäng inom teknik/naturvetenskap (max 240 hp)
- Avgifter
-
Du som inte är medborgare i ett EU-/EES-land eller Schweiz måste betala anmälnings- och studieavgift.
- Studieavgift, första inbetalningen: 24 167 kr
- Studieavgift, totalt: 24 167 kr
- Sista anmälningsdag
- 15 oktober 2024
- Anmälningskod
- UU-61011
För dig som är antagen eller reserv
- Registreringsperiod
- 20 december 2024–27 januari 2025
- Institutionens information om registrering
Våren 2025 Våren 2025, Uppsala, 33 %, Campus, Engelska För utbytesstudenter
- Studieort
- Uppsala
- Studietakt
- 33 %
- Undervisningsform
- Campus
- Undervisningstid
- Dag
- Studieperiod
- 20 januari 2025–8 juni 2025
- Undervisningsspråk
- Engelska
- Behörighet
-
120 hp inklusive 15 hp matematik och 60 hp datavetenskap/systemvetenskap, varav minst 20 hp programmering/algoritmer/datastrukturer. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)
För dig som är antagen eller reserv
- Registreringsperiod
- 20 december 2024–27 januari 2025
- Institutionens information om registrering
Om kursen
Efter kursen kan du:
- ställa upp och lösa typiska naturinspirerade beräkningsproblem
- genom egen implementation eller med simuleringsverktyg avgöra olika inlärningsmetoders tillämplighet för olika typer av inlärningsproblem, det vill säga känna till metodernas styrkor och svagheter
- bestämma en bra representation av data
- känna igen typiska effekter av dåliga val och avgöra hur resultaten kan förbättras
- beskriva hur och varför maskininlärning och naturinspirerade beräkningsmetoder (som till exempel deep learning och genetiska algoritmer) fungerar.
Litteraturlista
Litteraturlista saknas.