Maskininlärning

10 hp

Kursplan, Avancerad nivå, 1DT071

Det finns en senare version av kursplanen.
Kod
1DT071
Utbildningsnivå
Avancerad nivå
Huvudområde(n) med fördjupning
Datavetenskap A1N, Teknik A1N
Betygsskala
Med beröm godkänd, icke utan beröm godkänd, godkänd, underkänd
Fastställd av
Teknisk-naturvetenskapliga fakultetsnämnden, 8 juni 2011
Ansvarig institution
Institutionen för informationsteknologi

Behörighetskrav

120 hp, inklusive 15 hp matematik och 60 hp datavetenskap/systemvetenskap, varav minst 20 hp programmering/algoritmer/datastrukturer.

Mål

Efter godkänd kurs ska studenten kunna:

  • ställa upp och lösa typiska maskininlärningsproblem, genom egen implementation eller med hjälp av befintliga simuleringsverktyg,
  • avgöra olika inlärningsmetoders tillämplighet för olika typer av inlärningsproblem, dvs. känna till metodernas styrkor och svagheter,
  • bestämma en bra representation av data, för att underlätta maskininlärning,
  • känna igen typiska effekter av dåliga val (problemuppställning och parameterval, till exempel) och utifrån detta avgöra hur resultaten kan förbättras,
  • beskriva hur, och varför, maskininlärning och naturinspirerade beräkningsmetoder fungerar, förklara principer och visa exempel.

Innehåll

Kursen introducerar olika maskininlärningsmetoder, med tonvikt på naturinspirerade beräkningsmetoder. Kursen är uppdelad i en teoretisk del och en praktisk del.

Den teoretiska delen består av föreläsningar och litteratur om olika ämnen, inklusive (men inte begränsat till); inlärningsparadigm (övervakad, oövervakad och kritikerledd inlärning), artificiella neuronnät för klassificering, funktionsanpassning och klustring, kritikerledd inlärning och tidsdifferensmetoder, evolutionära metoder (genetiska algoritmer och genetisk programmering) och svärmmetoder (myrkolonioptimering, partikelsvärmmetoder)

Den praktiska delen består av labbuppgifter och en självvald projektuppgift. Labbuppgifterna täcker en delmängd av ämnena från den teoretiska delen. Exakt vilka ämnen som tas upp inom labbkursen anges på kursens hemsida och vid första föreläsningstillfället.

Mot slutet av kursen arbetar studenterna med en projektuppgift. Innehållet i denna uppgift definieras av studenterna själva, men måste godkännas av kursläraren innan arbetet påbörjas.

Undervisning

Kursen består av föreläsningar, labbuppgifter och en självvald projektuppgift.

Examination

Studenterna examineras genom muntlig eller skriftlig tentamen (4 hp), skriftliga rapporter (laborationer och projekt) samt en muntlig redovisning i seminarieform av projektuppgiften (6 hp). Detaljer om examinationen och hur betyg beräknas anges tydligt vid kursstart och på kursens hemsida.

Övriga föreskrifter

Kursen kan inte räknas i examen tillsammans med 1DT022 Maskininlärning eller 1DT646 Artificiella neuronnät.

FÖLJ UPPSALA UNIVERSITET PÅ

facebook
instagram
twitter
youtube
linkedin