[Översättning saknas: page.coursepage.titleprefix] Algoritmer för maskininlärning och slutledning

[Översättning saknas: page.coursepage.changes]
[Översättning saknas: page.coursepage.seechanges]

[Översättning saknas: page.coursepage.adopteddate] 2021-02-26 [Översättning saknas: page.coursepage.adoptedby].

[Översättning saknas: page.coursepage.overview]

  • [Översättning saknas: page.coursepage.namealt]Algorithms for machine learning and inference
  • [Översättning saknas: page.coursepage.coursecode]TDA233
  • [Översättning saknas: page.coursepage.credit]7,5 Högskolepoäng
  • [Översättning saknas: page.coursepage.owner]MPALG
  • [Översättning saknas: page.coursepage.edulevel]Avancerad nivå
  • [Översättning saknas: page.coursepage.mainsubjects]Datateknik, Informationsteknik
  • [Översättning saknas: page.coursepage.dept]DATA- OCH INFORMATIONSTEKNIK
  • [Översättning saknas: page.coursepage.grading]TH - Mycket väl godkänd (5), Väl godkänd (4), Godkänd (3), Underkänd

[Översättning saknas: page.coursepage.courseround] 1

  • [Översättning saknas: page.coursepage.teachlang] [Översättning saknas: general.acronyms.en]
  • [Översättning saknas: page.coursepage.applcode] 02120
  • [Översättning saknas: page.coursepage.maxamount]120
  • [Översättning saknas: page.coursepage.blockschedule]
  • [Översättning saknas: page.coursepage.erasmus]Nej
  • [Översättning saknas: page.coursepage.onlywheninplan]

[Översättning saknas: page.coursepage.modules]

0120 Inlämningsuppgift 3 hp
[Översättning saknas: page.coursepage.grading]: TH		0 hp0 hp3 hp0 hp0 hp0 hp
0220 Tentamen 4,5 hp
[Översättning saknas: page.coursepage.grading]: TH		0 hp0 hp4,5 hp0 hp0 hp0 hp
  • 15 Mar 2022 em J
  • 10 Jun 2022 fm J
  • 24 Aug 2022 fm J

[Översättning saknas: page.coursepage.inprogrammes]

[Översättning saknas: page.coursepage.examinator]

[Översättning saknas: page.coursepage.tocoursepage] ([Översättning saknas: general.aria.newtab])

[Översättning saknas: page.coursepage.genentryreq]

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

[Översättning saknas: page.coursepage.specentryreq]

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

[Översättning saknas: page.coursepage.prerequisites]

För att kunna följa kursen krävs
- 7,5 hec programmeringskunskaper (exempelvis C, Java eller Haskell),
- erfarenhet av Python önskvärt men inget krav,
- 7,5 hec datastrukturer eller en grundläggande kurs i algoritmer
- 7,5 hec grundläggande sannolighetsteori
- 7,5 hec analys
Kursen TDA233 får inte inkluderas i en examen som innehåller (eller som är baserad på en annan examen som innehåller) kursen DAT340.

[Översättning saknas: page.coursepage.purpose]

I kursen diskuteras teori och tillämpning av grundläggande algoritmer för maskininlärning och slutledning, utifrån ett AI perspektiv. I detta sammanhang betraktar vi ”lärande” som slutledning från givna data eller erfarenheter som resulterar i en viss modell som generaliserar dessa uppgifter. Slutledning är att bestämma de önskade svaren eller åtgärder baserade på modellen.
Algoritmer av detta slag används vanligen i till exempel klassificeringsuppgifter (teckenigenkänning, eller att förutsäga om en ny kund är kreditvärdig etc.) och i expertsystem (till exempel för medicinsk diagnostik). Ett nytt och kommersiellt viktig område är ”data mining”, där algoritmer används för att automatiskt identifiera speciellt intressant information och speciella relationer i stora kommersiella eller vetenskapliga databaser.
Kursen avser att ge en god förståelse för detta tvärvetenskapliga område, med tillräckligt djup för att använda och utvärdera tillgängliga metoder, och för att kunna följa aktuell vetenskaplig litteratur inom området.

[Översättning saknas: page.coursepage.goal]

Kunskap och förståelse:
  • förklara en representativ uppsättning av tillgängliga metoder för maskininlärning
Färdighet och förmåga:
  • implementera och analysera algoritmer för maskininlärning
  • tillämpa sunda matematiska principer för att på vetenskaplig grund dra slutsatser och forma hypoteser från empiriska data och modeller
Värderingsförmåga och förhållningssätt:
  • välja lämpliga metoder och tillämpa dem på specifika inferensproblem, utifrån en god förståelse av vetenskaplig litteratur inom området
  • utvärdera metoderna kvalitativt och kvantitativt, och identifiera deras styrkor såväl som deras begränsningar

[Översättning saknas: page.coursepage.content]

  • Övervakat Lärande: Bayes-klassificerare, perceptron-baserade metoder, support-vektormaskiner, regression.
  • Oövervakad inlärning: Algoritmer för klustring, EM-algoritmen, mixture-modeller, model selection, kernel-metoder.
  • Djup maskininlärning, exemelvis standard neuronala nät, CNN, RNN
  • Maximum likelihood estimation och Baysian methods

[Översättning saknas: page.coursepage.organization]

Föreläsningar och inlämningsuppgifter.

[Översättning saknas: page.coursepage.literature]

Information om litteratur ges på kursens hemsida före kursstart.

[Översättning saknas: page.coursepage.examination]

För att bli godkänd på kursen krävs godkänd skriftlig tentamen samt godkända inlämningsuppgifter. För att få högre betyg för hela kursen krävs att studenten dessutom fått ett högre viktat medelvärde på betygen av de olika momenten i kursen.

[Översättning saknas: page.coursepage.footnoteexamination]

[Översättning saknas: page.coursepage.changes]

  • Ändring gjord på kurstillfälle i programplan:
    • 2021-06-24: Borttaget [MPCSN, Årskurs 1 regel V] Kurstillfälle 1 borttaget av UOL
    • 2021-06-24: Borttaget [MPHPC, Årskurs 1 regel V] Kurstillfälle 1 borttaget av UOL