MVEX01-19-04 Machine learning algorithms in classification problems

​Machine learning is a field of artificial intelligence which gives computer systems the ability to "learn'' using available data. The goal of this project is numerical studies and comparison of different machine learning algorithms to detect inter-class boundaries. In this project we will study linear and polynomial classifiers and some artificial neural network algorithms (multilayer perceptron and radial basis functions).
We will discover convergence for all these algorithms and compare their performance with respect to applicability, reliability, accuracy, and efficiency. Programs written in Matlab will demonstrate performance for every algorithm.
The project book: Miroslav Kubat, An Introduction to Machine Learning, Springer, 2017.

Projektkod MVEX01-19-04
Gruppstorlek 3-4 studenter
Målgrupp GU- och Chalmersstudenter. För GU-studenter räknas projektet som ett projekt i Tillämpad Matematik (MMG900/MMG920).​
Projektspecifika förkunskapskrav
Se respektive kursplan för allmänna förkunskapskrav. Utöver de allmänna förkunskapskraven i MVEX01 ska Chalmersstudenter ha avklarat kurser i en- och flervariabelanalys, linjär algebra och matematisk statistik.
Handledare Larisa Beilina, 031-7725367, larisa.beilina@chalmers.se
Examinator Maria Roginskaya, Ulla Dinger
Institution Matematiska vetenskaper​​

Publicerad: to 11 okt 2018. Ändrad: ti 05 feb 2019