Maskininlärning
Machine Learning

FMA085F, 5 högskolepoäng

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

Allmänna uppgifter

Avdelning: Matematik (LTH)
Kurstyp: Ren forskarutbildningskurs
Undervisningsspråk: Engelska

Syfte

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.

Mål

Kunskap och förståelse

För godkänd kurs skall doktoranden

• * ha god förståelse för de statistiska principerna som ligger till grund för maskininlärning
• * ha kunskap om den vetenskapliga grunden för att utveckla och analysera inlärningsalgoritmer och lärande system
• * ha fördjupade kunskaper om metoder och teorier inom området maskininlärning.

Färdighet och förmåga

För godkänd kurs skall doktoranden

• * ha visad förmåga att utveckla inlärningsmetoder och lärande system för relevanta tekniska frågeställningar
• * ha visad förmåga att identifiera, formulera, designa och implementera lärande komponenter och applikationer.

Värderingsförmåga och förhållningssätt

För godkänd kurs skall doktoranden * ha förmåga att kritiskt värdera och jämföra olika inlärningsmodeller och inlärningsalgoritmer för olika problemuppställningar och kvalitetsegenskaper.

Kursinnehåll

* Inlärning, prövning, generalisering, hypotesrum * Linjär regression och klassificering * Kärnmetoder och stödvektormaskiner * Grafiska modeller * Superpositionsmodeller, EM-algoritmen. * Variations- och samplingsmetoder.

Kurslitteratur

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

Kursens undervisningsformer

Undervisningsform: Föreläsningar

Kursens examination

Examinationsformer: Skriftlig tentamen, inlämningsuppgifter. Hemtentamen
Betygsskala: Underkänd, godkänd
Examinator:

Antagningsuppgifter

Förutsatta förkunskaper: Linjär algebra, flerdimensionell analys, system och transformer, sannolikhetsteori.

Övrig information

Kursen ges av professor Cristian Sminchisescu.

Kurstillfällesinformation

Kontaktinformation och övrigt

Kursansvariga: