Gäller från och med: Vårterminen 2020
Beslutad av: Professor Thomas Johansson
Datum för fastställande: 2021-03-01
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 10-13 samt 18 i kursboken.
Kunskap och förståelse
För godkänd kurs skall doktoranden demonstrera förståelse för de grundläggande koncepten och metoderna som presenteras i kapitel 10-13 samt 18 i kursboken. Detta innefattar programmering i Python, artificiella nevrala nät med hjälp av Keras, träning av djupa nevrala nät, uppladdning och förbehandling av data med hjälp av TensorFlow samt att använda sig av reinforcement learning.
Färdighet och förmåga
För godkänd kurs skall doktoranden
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.
Introduktion till artificiella nevrala nät med hjälp av Keras, träning av djupa nevrala nät, uppladdning och förbehandling av data med hjälp av TensorFlow, och reinforcement learning.
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: