Gäller från och med: Autumn 2018
Beslutad av: Professor Thomas Johansson
Datum för fastställande: 2018-10-15
Avdelning: Computer Science (LTH)
Kurstyp: Gemensam kurs, avancerad nivå och forskarnivå
Kursen ges även på avancerad nivå med kurskoder: EDAN95, EDAN96
Undervisningsspråk: English
To give an introduction to several subdomains of machine learning and to give an orientation about fundamental methods and algorithms within these domains. To convey knowledge about breadth and depth of the domain.
Kunskap och förståelse
För godkänd kurs skall doktoranden
Färdighet och förmåga
För godkänd kurs skall doktoranden
Värderingsförmåga och förhållningssätt
För godkänd kurs skall doktoranden
* unsupervised and supervised learning, classification and regression * neural networks, including convolutional neural networks, recurrent neural networks and deep learning * bayesian learning * reinforcement learning * support vector machines, decision trees, random forests, ensemble methods * hardware and software architectures for machine learning, parallelisation, use of GPUs
Undervisningsformer: Föreläsningar, laborationer
Examinationsform: Skriftlig tentamen.
The written examination can be replaced by an oral exam given mutual agreement
Betygsskala: Underkänd, godkänd
Examinator:
Förutsatta förkunskaper: EDAA01 Programming - Second Course or similar
Kursansvarig: Elin A. Topp <elin_a.topp@cs.lth.se>
Hemsida: cs.lth.se/edan95