Naturliga beräkningsmetoder för maskininlärning
Kursplan, Avancerad nivå, 1DL073
- Kod
- 1DL073
- Utbildningsnivå
- Avancerad nivå
- Huvudområde(n) med fördjupning
- Dataanalys A1N, Datavetenskap A1N
- Betygsskala
- Med beröm godkänd (5), Icke utan beröm godkänd (4), Godkänd (3), Underkänd (U)
- Fastställd av
- Teknisk-naturvetenskapliga fakultetsnämnden, 30 augusti 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. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)
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).
Om särskilda skäl finns får examinator göra undantag från det angivna examinationssättet och medge att en enskild student examineras på annat sätt. Särskilda skäl kan t.ex. vara besked om särskilt pedagogiskt stöd från universitetets samordnare för studenter med funktionsnedsättning.
Övriga föreskrifter
Kursen kan ej ingå i examen tillsammans med 1DT071 Maskininlärning eller 1DT022 Maskininlärning eller 1DT646 Artificiella neuronnät.
Litteraturlista
Litteraturlista saknas.