Gäller från och med: Autumn 2016
Beslutad av: Professor Thomas Johansson
Datum för fastställande: 2017-02-09
Avdelning: Mathematics
Kurstyp: Gemensam kurs, avancerad nivå och forskarnivå
Kursen ges även på avancerad nivå med kurskod: FMAN45
Undervisningsspråk: English
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.
Kunskap och förståelse
För godkänd kurs skall doktoranden
Färdighet och förmåga
För godkänd kurs skall doktoranden
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.
* 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
Bishop, Christopher M.: Pattern Recognition and Machine Learning. Springer Verlag, 2006. ISBN 9780387310732.
Undervisningsformer: Föreläsningar, övrigt. Scheduled resource time during which the participants can get assistance with the assignments.
Examinationsform: Inlämningsuppgifter
Betygsskala: Underkänd, godkänd
Examinator:
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.
Kursansvariga:
Hemsida: http://www.maths.lth.se/course/machinlearn/