lu.se

Forskar­utbildnings­kurser

Lunds tekniska högskola | Lunds universitet

Detaljer för kursplan för kurs EDA090F giltig från och med VT 2023

Utskriftsvänlig visning

Allmänt
Syfte
  • Att ge fördjupad kunskap och färdigheter i utvalda områden inom maskininlärning, som introducerades i kursen EDAN95F / EDAN96 Tillämpad Maskininlärning, samt introducera ytterligare, avancerade, områden, som inte behandlades i kursen EDAN95F / EDAN96.
Innehåll
  • Huvudsakligen består innehållet av fyra områden: Bildklassificiering med djupa neurala nätverk (mest CNNs), textbehandling med djupa nätverk och transformers (RNNs), Bayesiansk optimering, samt förstärkningsinlärning. Andra ämnen kommer behandlas på översiktsnivå. Kärnområden belyses såväl teoretiskt som praktiskt genom inlämningsuppgifter.
Kunskap och förståelse
  • För godkänd kurs skall doktoranden
  • - kunna visa kunskaper och förståelse inom de olika områden som diskuteras i kursen
    - kunna förklara hur metoderna / modellerna som utgör kärndelen av kursen är uppbyggda och fungerar
    - kunna beskriva metoder och områden som diskuterades på överblicksnivå i kursen
Färdighet och förmåga
  • För godkänd kurs skall doktoranden
  • - kunna nyttja verktyg för datahantering och -förbehandling som diskuteras i kursen
    - kunna nyttja (inom kursen introducerade) verktyg för och genomföra lämpliga utvärderingar av metoderna som används i kursen
    - kunna implementera sina egna modeller / lösningar inom kursens kärnområden
Värderingsförmåga och förhållningssätt
  • För godkänd kurs skall doktoranden
  • - kunna visa förståelse för vilka metoder (maskininlärningsmodeller och -algoritmer) som är lämpliga inom olika användningsområden
    - visa förståelse för begränsningarna som i stort sett alla maskininlärningsansatser har, samt kunna beskriva sådana begränsningar och respektive konsekvenserna för användningen av modellerna
Undervisningsformer
  • Föreläsningar
  • Laborationer
  • "Laborationer" är programmeringsuppgifter, som kan bearbetas i mindre grupper och ska redovisas för en kursassistent i respektive laborationstillfällen eller under ett seminarium i grupp (alla forskarstuderande på kursen) med lärare
Examinationsformer
  • Inlämningsuppgifter
  • Seminarieföredrag av deltagarna
  • Laborationstillfällen för redovisning av programmeringsuppgifter (se ovan) kan ersättas av ett seminarium för alla forskarstuderande på kursen, där uppgifterna diskuteras gemensamt med läraren
  • Underkänd, godkänd
Förkunskapskrav
Förutsatta förkunskaper
Urvalskriterier
Litteratur
  •  
  • Litteraturlista finns angiven i kursplanen för EDAP30 Avancerad tillämpad maskininlärning
Övrig information
Kurskod
  • EDA090F
Administrativ information
  • 2023-01-24
  • Maria Sandsten

Alla publicerade kurstillfällen för kursplanen

2 kurstillfällen.

Kurskod ▽ Kursnamn ▽ Avdelning ▽ Inrättad ▽ Kursplan giltig från ▽ Startdatum ▽ Slutdatum ▽ Publicerad ▽
EDA090F Avancerad tillämpad maskininlärning Datavetenskap (LTH) 2023‑01‑27 Vårterminen 2023 2023‑03‑20 2023‑01‑27
EDA090F Avancerad tillämpad maskininlärning Datavetenskap (LTH) 2024‑02‑14 Vårterminen 2023 2024‑03‑18 2024‑02‑14

Utskriftsvänlig visning