Gäller från och med: Höstterminen 2012
Beslutad av: FN1/Anders Gustafsson
Datum för fastställande: 2013-03-24
Avdelning: Matematik (LTH)
Kurstyp: Ren forskarutbildningskurs
Undervisningsspråk: Engelska
Att ge kännedom om grunderna för maskinlärning -- konstruktion av automatiserade system som kan lära/hämta information från data, till exempel lära sig känna igen tecken i handskriven text.
Kunskap och förståelse
För godkänd kurs skall doktoranden
Färdighet och förmåga
För godkänd kurs skall doktoranden
Värderingsförmåga och förhållningssätt
För godkänd kurs skall doktoranden * ha förmåga att kritiskt värdera och jämföra olika inlärningsmodeller och inlärningsalgoritmer för olika problemuppställningar och kvalitetsegenskaper.
* Inlärning, prövning, generalisering, hypotesrum * Linjär regression och klassificering * Kärnmetoder och stödvektormaskiner * Grafiska modeller * Superpositionsmodeller, EM-algoritmen. * Variations- och samplingsmetoder.
Bishop, C. M.: Pattern Recognition and Machine Learning. Springer, 2006. ISBN 9780387310732.
Undervisningsform: Föreläsningar
Examinationsformer: Skriftlig tentamen, inlämningsuppgifter.
Hemtentamen
Betygsskala: Underkänd, godkänd
Examinator:
Förutsatta förkunskaper: Linjär algebra, flerdimensionell analys, system och transformer, sannolikhetsteori.
Kursen ges av professor Cristian Sminchisescu.
Kursansvariga: