Machine Learning
Maskininlärning

FMA085F, 5 högskolepoäng

Gäller från och med: Autumn 2012
Beslutad av: FN1/Anders Gustafsson
Datum för fastställande: 2013-03-24

Allmänna uppgifter

Avdelning: Mathematics
Kurstyp: Ren forskarutbildningskurs
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.

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, C. M.: Pattern Recognition and Machine Learning. Springer, 2006. ISBN 9780387310732.

Kursens undervisningsformer

Undervisningsform: Föreläsningar

Kursens examination

Examinationsformer: Skriftlig tentamen, inlämningsuppgifter. Take-home exam
Betygsskala: Underkänd, godkänd
Examinator:

Antagningsuppgifter

Förutsatta förkunskaper: Linear algebra, calculus in several variables, linear systems, and probability theory.

Övrig information

The course is given by professor Cristian Sminchisescu.

Kurstillfällesinformation

Kontaktinformation och övrigt

Kursansvariga: