Tillämpad maskininlärning - Göteborgs universitet Till startsida
Webbkarta
Till innehåll Läs mer om hur kakor används på gu.se

Tillämpad maskininlärning

Avancerad nivå | 7.5 hp | Kurskod: DIT866
VT 2020
50% Dag
Göteborg
Period: 20 januari 2020 - 21 mars 2020
UNDERVISNINGSSPRÅK: Engelska

Om kursen

Kursen ger en inledning till tekniker och teorier inom maskininlärning, med ett fokus på dess praktiska tillämpningar. Under kursens gång kommer ett urval av ämnen att genomgås inom övervakad (supervised) inlärning, exempelvis linjär klassificering och regression, eller olinjära modeller som neurala nätverk, samt inom oövervakad (unsupervised) inlärning, till exempel klustringsmetoder.

De typiska användningsfallen och begränsningarna hos dessa algoritmer kommer att diskuteras, och deras implementation kommer att undersökas med hjälp av programmeringsuppgifter. Metodologiska frågor som rör utvärdering av maskininlärningsbaserade system kommer också att diskuteras, samt några av de etiska frågor som kan dyka upp när man tillämpar den typen av teknologier.

Det kommer att vara ett starkt fokus på de användningsområden i verkligheten där maskininlärning kan tillämpas. Användningen av maskininlärningskomponenter i praktiska tillämpningar kommer att exemplifieras, och realistiska scenarion kommer att studeras i områden som t.ex. e-kommers, business intelligence, textanalys, bildanalys, eller bioinformatik. Vikten av konstruktion och urval av särdrag, samt deras pålitlighet, kommer att diskuteras.

För mer information

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

Visa mer

Kursplan

DIT866

Behörighet och urval

Förkunskapskrav: För tillträde till kursen krävs att studenten har en examen på kandidatnivå inom något ämne, eller har minst 90 hp i datavetenskap, software engineering eller motsvarande. Specifikt krävs:

  • minst 15 hp avklarade kurser i programmering,
  • en av kurserna DIT851 Introduktion till Data Science, 7,5 hp, eller DIT855 Tillämpat matematisk tänkande, 7,5 hp, alternativt minst 7,5 hp i matematik,
  • kursen DIT861 Statistiska metoder för Data Science, 7,5 hp, alternativt minst 7,5 hp i sannolikhetsteori, statistik eller matematisk statistik (t.ex. MSG810 Matematisk statistik och diskret matematik).

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: Kerstin Eiman
Sidan uppdaterades: 2018-06-15 12:12

Tipsa en vän
Sidan i utskriftsvänlig version

Sidansvarig: Kerstin Eiman|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?