Gäller från och med: Vårterminen 2020
Beslutad av: Professor Thomas Johansson
Datum för fastställande: 2021-02-02
Avdelning: Reglerteknik
Kurstyp: Ren forskarutbildningskurs
Undervisningsspråk: Engelska
Demonstrera förståelse för de koncept som presenteras och kunna använda sig av de metoder som behandlas i kapitel 1-9 i kursboken.
Kunskap och förståelse
För godkänd kurs skall doktoranden demonstrera förståelse för de grundläggande koncepten och metoderna som presenteras i kapitel 1-9 i kursboken. Detta innefattar programmering i Python, klassificering, training models, SVMs, Decision Trees, Ensemble learning and Random Forests, Dimensionality Reduction och Unsupervised Learning Techniques.
Färdighet och förmåga
För godkänd kurs skall doktoranden bidra till diskussionerna i de diskussionsseminarium som hålls för varje kapitel, själv ansvara för och hålla i ett diskussionsseminarium samt genomföra ett projekt, vilket innefattar implementering av ML-algoritmer i Python.
Värderingsförmåga och förhållningssätt
För godkänd kurs skall doktoranden demonstrera förståelse för begränsningar hos olika ML-algoritmer och hur väl de passar för olika standardproblem samt kunna välja ut material för och organisera ett diskussionsseminarium.
Software setup for Machine Learning (Python), classification, training models, SVMs, Decision Trees, Ensemble learning and Random Forests, Dimensionality Reduction och 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.
Tillräcklig medverkan i seminarier och diskussioner.
Betygsskala: Underkänd, godkänd
Examinator:
Urvalskriterier: Inga
Kursen ges på begäran, om tillräcklig efterfrågan finns.
Kursansvariga: