Introduction to Machine Learning
Introduktion till maskinlärning

FMAN45F, 7.5 högskolepoäng

Gäller från och med: Autumn 2016
Beslutad av: Professor Thomas Johansson
Datum för fastställande: 2017-02-09

Allmänna uppgifter

Avdelning: Mathematics
Kurstyp: Gemensam kurs, avancerad nivå och forskarnivå
Kursen ges även på avancerad nivå med kurskod: FMAN45
Undervisningsspråk: English

Syfte

To give knowledge about the basic theory for Machine Learning -- construction of automatised systems that can learn/gather information from data, for example learn to recognize characters in a hand-written text.

Mål

Kunskap och förståelse

För godkänd kurs skall doktoranden

• have a good knowledge of the statistical principles used in machine learning
• have knowledge of the disciplinary foundation for the design and analysis of learning algorithms and systems
• demonstrate in-depth knowledge of methods and theories in the field of machine learning.

Färdighet och förmåga

För godkänd kurs skall doktoranden

• demonstrate abilities to develop learning techniques and systems based on relevant technological issues
• demonstrate the ability to identify, formulate, design, and implement learning components and applications, and write a report on this.

Värderingsförmåga och förhållningssätt

För godkänd kurs skall doktoranden demonstrate the ability to critically evaluate and compare different learning models and learning algorithms for different problem setups and quality characteristics.

Kursinnehåll

* Training, testing, generalization, hypothesis spaces. *Linear regression and classification. *Kernel methods and support vector machines. *Graphical models. *Mixture models, Expectation Maximization. *Variational and sampling methods

Kurslitteratur

Bishop, Christopher M.: Pattern Recognition and Machine Learning. Springer Verlag, 2006. ISBN 9780387310732.

Kursens undervisningsformer

Undervisningsformer: Föreläsningar, övrigt. Scheduled resource time during which the participants can get assistance with the assignments.

Kursens examination

Examinationsform: Inlämningsuppgifter
Betygsskala: Underkänd, godkänd
Examinator:

Antagningsuppgifter

Förutsatta förkunskaper: FMAF05 Mathematics - Systems and transforms and FMS012/FMSF45 Mathematical statistics, basic course.
Urvalskriterier: Credits awarded in the courses FMS012, FMSF20, FMSF10, FMSN40, FMA051, FMA120 and FMAN20.

Kurstillfällesinformation

Kontaktinformation och övrigt

Kursansvariga:
Hemsida: http://www.maths.lth.se/course/machinlearn/