Kursplan för Avancerade teman i maskininlärning

Kursplan fastställd 2024-02-05 av programansvarig (eller motsvarande).

Kursöversikt

  • Engelskt namnAdvanced topics in machine learning
  • KurskodDAT441
  • Omfattning7,5 Högskolepoäng
  • ÄgareMPDSC
  • UtbildningsnivåAvancerad nivå
  • HuvudområdeDatateknik, Informationsteknik
  • InstitutionDATA- OCH INFORMATIONSTEKNIK
  • BetygsskalaTH - Mycket väl godkänd (5), Väl godkänd (4), Godkänd (3), Underkänd

Kurstillfälle 1

  • Undervisningsspråk Engelska
  • Anmälningskod 87127
  • Max antal deltagare100
  • Blockschema
  • Sökbar för utbytesstudenterNej

Poängfördelning

0124 Inlämningsuppgift 3,5 hp
Betygsskala: TH		3,5 hp
0224 Tentamen 4 hp
Betygsskala: TH		4 hp
  • 27 Okt 2025 fm J DIG
  • 08 Jan 2026 em J DIG
  • 17 Aug 2026 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)

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

Kunskap och förståelse
• på djupet förstå hur avancerade maskininlärningsmetoder fungerar och att förstå deras praktiska implikationer
• förstå några av de huvudsakliga forskningsområderna och ämnen inom maskininlärning
• lära sig hur komplexa problem från verkligheten översätts till forskningsfrågor inom maskininlärning

Färdigheter och förmåga
• kunna analysera avancerade maskininlärningsmetoder och att förstå varför en metod fungerar eller inte
• kunna hantera fall där standardmetoder inom maskininlärning inte fungerar väloch där det krävs förbättringar av metoderna
• vara förberedd inför forskning inom AI och maskininlärning
• kunna läsa och följa relevanta pulikationer inom state-of-the-art forsking inom området

Värderingsförmåga och förhållningssätt
• kunna välja en lämplig modell med hänsyn till givna antagenden och att kunna analysera olika aspekterna som exempelvis performance och effektivitet
• kunna avgöra hur en maskininlärningsmodell kan vidareutvecklas för att kunna möta de givna kraven
• kunna skilja mellan några av de huvudsakliga områderna inom forskningsområdet, deras respektive utmaningar och de metoder som används

Innehåll

Kursen fokuserar på avancerad teori, metoder och matematik inom maskininlärning.

Kursinnehållet är:
• Teoretisk maskininlärning och beräkningsaspekter
• Sekventiellt beslutsfattande
• Online inlärning, aktiv inlärning och “Multi-armed bandits”
• Markov beslutsprocesser
• “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 riktat pedagogiskt stöd på grund av funktionsnedsättning.