Machine Learning
Maskininlärning

EIT195F, 7.5 högskolepoäng

Gäller från och med: Spring 2021
Beslutad av: Professor Thomas Johansson
Datum för fastställande: 2021-04-29

Allmänna uppgifter

Avdelning: Electrical and Information Technology
Kurstyp: Ren forskarutbildningskurs
Undervisningsspråk: English

Syfte

The course aim is to provide a broad foundation for machine learning theory as well as state-of-the-art machine learning techniques, e.g., deep neural networks.

Mål

Kunskap och förståelse

För godkänd kurs skall doktoranden

• be able to understand the theory of machine learning and the philosophy behind it, as well as the fundamental ideas behind the state-of-the-art machine learning techniques;
• be able to analyze and identify the main machine learning principles and clearly present the main ideas within the machine learning and artificial intelligence domains;
• be able to analyze, evaluate, and apply state-of-the-art techniques in the machine learning and artificial intelligence domains.

Färdighet och förmåga

För godkänd kurs skall doktoranden

• be able to carry out a group project investigating and applying state-of-the-art techniques;
• be able to critically read, evaluate and present scientific literature and course material.

Kursinnehåll

Introduction and Foundation, Linear Models, Deep Neural Networks.

Kurslitteratur

Murphy, Kevin P.: Probabilistic Machine Learning: An introduction. MIT Press, 2021.

Kursens undervisningsformer

Undervisningsformer: Seminarier, projekt

Kursens examination

Examinationsformer: Muntlig tentamen, seminarieföredrag av deltagarna
Betygsskala: Underkänd, godkänd
Examinator:

Antagningsuppgifter

Förutsatta förkunskaper: Basics of Probability Theory and Statistics, Basics of Linear Algebra and Numerical Methods, Basics of Algorithms and Data Structures, Programming

Övrig information

Course coordinator: Amir Aminifar, E-mail: amir.aminifar@eit.lth.se

Kurstillfällesinformation

Kontaktinformation och övrigt

Kursansvariga: