Behörighetskrav

Linjär algebra. Flerdimensionell analys. Beräkningsvetenskap I. Matematisk statistik.

Syfte

Kursen syftar till att ge grundläggande kunskaper

och förståelse för hur olika typer av lärande

system kan användas för problem inom datoriserad

mönsterigenkänning som linjär och icke-linjär

regression, klassificering,

särdragssextraktion, klustring, komprimering och

visualisering. Tillämpningar hämtas bl.a. från

datamining och mätdataanalys.

Innehåll

Matematiska grunder för lärande system.

Grundläggande koncept som Bayesiansk

modellering, parametriska och icke-parametriska

metoder, diskriminantfunktioner, beslutsytor,

parameterestimering, övervakad och oövervakad

inlärning, generalisering, klustring. Familjer av

metoder som beslutsträd, artificiella neuronnät,

Bayesianskt lärande och prototyp-baserat lärande.

Tillämpningar inom bl.a. data mining och mätdataanalys.

Undervisning

Föreläsningar, lektioner, seminarier, laborationer och hemuppgifter.

Examination

Skriftlig och/eller muntlig tentamen vid kursens slut. För godkännande fordras även godkänd

laborationskurs och godkända inlämningsuppgifter.