Gäller från och med: Spring 2020
Beslutad av: Professor Thomas Johansson
Datum för fastställande: 2021-02-02
Avdelning: Automatic Control
Kurstyp: Ren forskarutbildningskurs
Undervisningsspråk: English
To demonstrate understanding of the concepts and show the ability to use the methods of Chapters 1-9 in the course book.
Kunskap och förståelse
För godkänd kurs skall doktoranden show that he/she understands the basic concepts and methods presented in Chapters 1-9 in the course book. This includes programming in Python, classification, training models, SVMs, Decision Trees, Ensemble learning and Random Forests, Dimensionality Reduction and Unsupervised Learning Techniques.
Färdighet och förmåga
För godkänd kurs skall doktoranden participate actively in the discussions on the different chapters, host a chapter-session and complete a project, which includes hands-on implementation of ML-algorithms in Python.
Värderingsförmåga och förhållningssätt
För godkänd kurs skall doktoranden demonstrate understanding for the suitability of different ML-algorithms to bench-mark problems and be able to choose parts of the chapter content to present at the chapter-session they are hosting as well as organize the meeting.
Software setup for Machine Learning (Python), classification, training models, SVMs, Decision Trees, Ensemble learning and Random Forests, Dimensionality Reduction and Unsupervised Learning Techniques.
Géron, A.: Hands-on Machine Learning with Scikit-Learn, Keras, and TensorFlow: Unsupervised learning techniques. 2019. ISBN 9781492032649.
Undervisningsformer: Seminarier, projekt, litteraturkurs som självstudier
Examinationsform: Seminarieföredrag av deltagarna.
Sufficient participation in the seminars and the discussions.
Betygsskala: Underkänd, godkänd
Examinator: Doctoral student Carolina Bergeling
Urvalskriterier: None
The course is given upon request, if sufficient demand is present.
Startdatum: 2020-01-15.
Startdatumet är ungefärligt.
Slutdatum: 2020-03-13
Kursfart: Not specified
Kursansvariga: