Algoritmer för maskininlärning och slutledning - Göteborgs universitet Till startsida
Webbkarta
Till innehåll Läs mer om hur kakor används på gu.se

Algoritmer för maskininlärning och slutledning

Avancerad nivå | 7.5 hp | Kurskod: DIT381
VT 2020
50% Dag
Göteborg
Period: 23 mars 2020 - 5 juni 2020
UNDERVISNINGSSPRÅK: Engelska

Om kursen

I kursen diskuteras teori och tillämpning av 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 (t.ex. teckenigenkänning, eller att förutsäga om en ny kund är kreditvärdig) och i expertsystem (t.ex., 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. Under kursens gång kan vi diskutera eventuella problem med maskininlärningsmetoder, till exempel bias i träningsdata och säkerhet för autonoma agenter.

Följande begrepp behandlas i kursen:

  • Bayesiansk inlärning: likelihood, prior, posterior
  • Övervakad inlärning: Bayes-klassificerare, Logistic regression, Deep Learning, supportvektormaskiner
  • Oövervakad inlärning: Algoritmer för klustring, EM-algoritmen, mixture-modeller, kernel-metoder
  • Dolda Markov-modeller, MCMC
  • Reinforcement learning 

 

För mer information

https://gul.gu.se/public/cou...

Visa mer

Kursplan

DIT381

Behörighet och urval

Förkunskapskrav: För tillträde till kursen krävs att studenten ska ha fullgjort 90 hp i datavetenskap, software engineering, matematik, eller motsvarande. Specifikt krävs följande kunskaper:

  • 7.5 hp i programmering (t.ex. DIT440 Introduktion till funktionell programmering, DIT042 Objektorienterad programmering, DIT012 Imperativ programmering med grundläggande objektorientering, eller motsvarande)
  • 7.5 hp i datastrukturer (t.ex. DIT961 Datastrukturer, DIT181 Datastrukturer och algoritmer, eller motsvarande) 
  • 7.5 hp i grundläggande sannolikhetsteori och statistik (t.ex. MSG810 Matematisk statistik och diskret matematik, DIT861 Statistiska metoder för Data Science, eller motsvarande)
  • 7.5 hp i linjär algebra (t.ex. MMGD20 Linjär algebra, eller motsvarande)
  • 7.5 hp i analys (t.ex. MMGD30 Matematisk analys, eller motsvarande) 

Urval: Högskolepoäng, max 225 hp

Studievägledning

E-post: svl@cse.gu.se

Kursen ges vid

Institutionen för data- och informationsteknik
41296 Göteborg

Besöksadress: Rännvägen 6 B

Sidansvarig: Pontus Sundén
Sidan uppdaterades: 2018-06-15 12:12

Tipsa en vän
Sidan i utskriftsvänlig version

Sidansvarig: Pontus Sundén|Sidan uppdaterades: 2019-01-10
Dela:

På Göteborgs universitet använder vi kakor (cookies) för att webbplatsen ska fungera på ett bra sätt för dig. Genom att surfa vidare godkänner du att vi använder kakor.  Vad är kakor?