Kursplan för Avancerade teman i maskininlärning

Kursplanen innehåller ändringar
Se ändringar

Kursplan fastställd 2023-02-08 av programansvarig (eller motsvarande).

Kursöversikt

  • Engelskt namnAdvanced topics in machine learning
  • KurskodDAT440
  • Omfattning7,5 Högskolepoäng
  • ÄgareMPDSC
  • UtbildningsnivåAvancerad nivå
  • HuvudområdeDatateknik, Informationsteknik
  • InstitutionDATA- OCH INFORMATIONSTEKNIK
  • BetygsskalaTH - Mycket väl godkänd (5), Väl godkänd (4), Godkänd (3), Underkänd

Kurstillfälle 1

Kurstillfället är inställt. För frågor kontakta utbildningssekreteraren för
  • Undervisningsspråk Engelska
  • Anmälningskod 87124
  • Max antal deltagare100
  • Min. antal deltagare10
  • Blockschema
  • Sökbar för utbytesstudenterNej
  • Endast studenter med kurstillfället i programplan.

Poängfördelning

0120 Inlämningsuppgift 3,5 hp
Betygsskala: UG
3,5 hp
    0220 Tentamen 4 hp
    Betygsskala: TH
    4 hp
    • 05 Jan 2024 fm J DIG
    • 19 Aug 2024 em J DIG

    I program

    Examinator

    Gå till kurshemsidan (Öppnas i ny flik)

    Behörighet

    Grundläggande behörighet för avancerad nivå
    Sökande med en programregistrering på ett program där kursen ingår i programplanen undantas från ovan krav.

    Särskild behörighet

    Engelska 6
    Sökande med en programregistrering på ett program där kursen ingår i programplanen undantas från ovan krav.

    Kursspecifika förkunskaper

    För att vara behörig till kursen ska studenten minst vara godkänd på följande kurser:
    • 7.5 hp programmering (erfarenhet av Python är önskvärd, men inget absolut krav)
    • 7.5 hp datastrukturer och/eller algoritmer
    • 7.5 hp grundläggande sannolikhetsteori och statistik
    • 7.5 hp analys
    • 7.5 hp linjär algebra
    • 7.5 hp grundläggande maskininlärning (exempelvis TDA233, MVE440, DAT340)

    Syfte

    Denna kurs fokuserar på avancerade ämnen inom maskininlärning så att studenterna får en fördjupat förståelse för moderna maskininlärmingsmetoder. Studenterna kommer att lära känna sofistikerade maskininlärningsmodeller som är används i problem i verkligheten. De kommer också att lära sig att analysera och på djupet förstå avancerade modeller inom maskininlärning.

    Lärandemål (efter fullgjord kurs ska studenten kunna)

    • att lära sig om moderna och avancerade maskininlärning samt att analysera dessa i olika situationer.  
    • att läsa och förstå state-of-the-art vetenskapliga pulikationer inom ämnet
    • att kunna föreslå och använda lämpliga modeller för komplexa uppgifter inom maskininlärning
    • att vara förberedd för forskning och utveckling av avancerade metoder inom maskininlärning

    Innehåll

    Kursinnehållet är
    • teoretisk maskininlärning och beräkningsaspekter
    • Online inlärning och aktiv inlärning
    • Reinforcement learning
    • avancerade djupa maskininlärningsmodeller (Deep Neural Network models)

    Organisation

    Föreläsningar och inlämningsuppgifter.

    Litteratur

    Kurslitteratur publiceras 8 veckor innan kursstart

    Examination inklusive obligatoriska moment

    Kursen examineras med inlämningsuppgifter och skriftlig salstentamen.

    Kursens examinator får examinera enstaka studenter på annat sätt än vad som anges ovan om särskilda skäl föreligger, till exempel om en student har ett beslut från Chalmers om pedagogiskt stöd på grund av funktionsnedsättning.

    Kursplanen innehåller ändringar

    • Ändring gjord på modul:
      • 2023-05-23: Digital tentamen Ändrat till digital tentamen av vana
        [0220 Tentamen 4,0 hp] Ändrat till digital examination
    • Ändring gjord på kurstillfälle:
      • 2023-05-23: Inställd Ändrat till inställd av UOL
        [Kurstillfälle 1] Inställt