Dina studier

Kursplan för Kontinuerlig optimering inom datascience

Kursplanen innehåller ändringar
Se ändringar

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

Kursöversikt

  • Engelskt namnContinuous optimization in data science
  • KurskodDAT570
  • 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 87131
  • Blockschema
  • Sökbar för utbytesstudenterJa

Poängfördelning

0123 Inlämningsuppgift 7,5 hp
Betygsskala: TH		7,5 hp

    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 krävs 7,5 hp programmering i ett generellt programmeringsspråk eller motsvarande (helst, men inte begränsat till Python), och 7,5 hp matematik eller statistik. 

    Syfte

    Syftet med denna kurs är att ge kunskaper om verktyg för att lösa kontinuerliga optimeringsproblem inom data science. Efter avslutad kurs kan studenterna formulera olika data sience problem som optimeringsproblem och utforma en korrekt algoritm för att lösa dem, med tanke på beräkningskomplexitet och statistisk prestanda.

    Lärandemål (efter fullgjord kurs ska studenten kunna)

    Kunskap och förståelse:
    • beskriva olika typer av optimeringsproblem, såsom kontinuerlig/diskret/blandad och konvex/icke -konvex
    • förklara vilka typer av problem inom data science som kan hanteras med optimeringsproblem
    • förklara huvudprinciperna för olika optimeringsalgoritmer och deras globala/lokala konvergens
    • redogöra för beräkningskomplexitet hos optimeringsalgoritmer inom data science, liksom deras prestanda
    Färdigheter och förmåga:
    • implementera olika optimeringsalgoritmer som datorprogram,
    • tillämpa och anpassa optimeringsalgoritmer till problem inom data science, till exempel maskininlärning och regelbaserade metoder
    • hitta approximativa lösningar på beräkningstunga problem
    • formulera olika problem inom data science så som matematiska optimeringsproblem
    Värderingsförmåga och förhållningssätt:
    • resonera kring vilken typ av information eller kännetecken av indata som kan vara användbara vid val av optimeringsalgoritmer
    • välja lämplig utvärderingsmetodik inklusive prestanda- och konvergensanalys

    Innehåll

    Kursen diskuterar de viktigaste aspekterna av optimeringsproblem inom data science, nämligen konvergensbegreppet och dess relation till den statistiska inlärningsteorin. Kursen presenterar olika klassificeringar av optimeringsproblem såsom konvexa/icke-konvexa. Kursen innehåller också olika utmaningar inom data science genom att presentera exempel från verkligheten och diskuterar viktiga algoritmiska idéer för att ta itu med dem.

    Organisation

    Föreläsningar, övningar, datorlaborationer

    Litteratur

    Kurslitteratur kommer att publiceras senast 8 veckor innan kursstart.

    Examination inklusive obligatoriska moment

    Kursen examineras med obligatoriska inlämningsuppgifter.

    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 kurstillfälle i programplan:
      • 2023-04-06: Gruppering Gruppering ändrat av UOL
        [Obligatoriskt valbara. Obligatoriskt valbar kurs. (DAT341, DAT470, DAT475, MVE095, MVE441, TDA233, TIN093). Krav 2 kurs(er). I MPDSC Årskurs 1] DAT570 tillagd i gruppering
    • Ändring gjord på kurstillfälle:
      • 2023-09-12: Block Block B tillagt av Ashkan Panahi
        [Kurstillfälle 1]