Naturliga beräkningsmetoder för maskininlärning

10 hp

Kursplan, Avancerad nivå, 1DL073

Det finns en senare version av kursplanen.
Kod
1DL073
Utbildningsnivå
Avancerad nivå
Huvudområde(n) med fördjupning
Datavetenskap A1N
Betygsskala
Med beröm godkänd, icke utan beröm godkänd, godkänd, underkänd
Fastställd av
Teknisk-naturvetenskapliga fakultetsnämnden, 8 mars 2018
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:

  • beskriva hur, och varför, naturinspirerade beräkningsmetoder fungerar, förklara principer och visa exempel.
  • ställa upp och lösa typiska problem, 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,
  • känna igen typiska effekter av dåliga val (problemuppställning och parameterval, till exempel) och utifrån detta avgöra hur resultaten kan förbättras,
  • planera ett öppet projekt så att det kan genomföras inom givna ramar.

Innehåll

Kursen introducerar olika 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,
  • deep learning,
  • 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. Innehållet i projektuppgiften definieras av studenterna själva, men måste godkännas av kursläraren innan arbetet påbörjas. shapp

Undervisning

Föreläsningar, laborationer och projekt.

Examination

Skriftlig tentamen (4hp), skriftlig och muntlig redovisning av uppgifter (6hp).

Övriga föreskrifter

Kursen kan ej ingå i examen tillsammans med 1DT071 Maskininlärning eller 1DT022 Maskininlärning eller 1DT646 Artificiella neuronnät.

Litteraturlista saknas.

FÖLJ UPPSALA UNIVERSITET PÅ

facebook
instagram
twitter
youtube
linkedin