Logga in

Registrera

1DL073 · Uppsala universitet

Naturliga beräkningsmetoder för maskininlärning

Ny kurs

Kom igång gratis

Inga tentor än

Ladda upp dina tidigare tentor och få hjälp med att strukturera ditt studiematerial

Få dina tentauppgifter kategoriseradeBli guidad genom ditt studiematerialFå hjälp direkt med teori och tipsHåll koll på dina framsteg

Kurs info

KurssidaKursplan
HP
10
Språk
Engelska
Fakultet
Teknisk-naturvetenskapliga fakulteten
Institution
Institutionen för informationsteknologi

Lärandemål

Efter godkänd kurs ska studenten kunna:

  • beskriva hur, och varför, naturinspirerade beräkningsmetoder fungerar, förklara principer och visa exempel.
  • ställa upp och lösa typiska problem, genom egen implementation eller med hjälp av befintliga simuleringsverktyg, avgöra olika inlärningsmetoders tillämplighet för olika typer av inlärningsproblem, dvs. känna till metodernas styrkor och svagheter,
  • känna igen typiska effekter av dåliga val (problemuppställning och parameterval, till exempel) och utifrån detta avgöra hur resultaten kan förbättras,
  • planera ett öppet projekt så att det kan genomföras inom givna ramar.
Kursinnehåll
  • Kursen introducerar olika naturinspirerade beräkningsmetoder. Kursen är uppdelad i en teoretisk del och en praktisk del.
  • Den teoretiska delen består av föreläsningar och litteratur om olika ämnen, inklusive (men inte begränsat till):
  • inlärningsparadigm (övervakad, oövervakad och kritikerledd inlärning),
  • artificiella neuronnät för klassificering, funktionsanpassning och klustring,
  • deep learning,
  • kritikerledd inlärning och tidsdifferensmetoder,
  • evolutionära metoder (genetiska algoritmer och genetisk programmering), och
  • svärmmetoder (myrkolonioptimering, partikelsvärmmetoder).
  • Den praktiska delen består av labbuppgifter och en självvald projektuppgift. Innehållet i projektuppgiften definieras av studenterna själva, men måste godkännas av kursläraren innan arbetet påbörjas. shapp
Förutsättningar
  • 120 hp inklusive 15 hp matematik och 60 hp datavetenskap/systemvetenskap, varav minst 20 hp programmering/algoritmer/datastrukturer. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)
Litteratur

Saknas

Liknande kurser vid andra universitet
Kungliga Tekniska högskolan

Kungliga Tekniska högskolan

Numeriska metoder, grundkurs

SF15XY101 tentor
Kungliga Tekniska högskolan

Kungliga Tekniska högskolan

Analytiska och numeriska metoder för differentialekvationer

SF168242 tentor
Kungliga Tekniska högskolan

Kungliga Tekniska högskolan

Maskininlärning / Machine learning

DD242122 tentor
Redo att boosta dina studier?

Gör som 15 000+ studenter och ta kontroll över ditt tentaplugg.

Kom igång gratis

Produkt

  • Priser

  • Karriär

Företag

  • Om oss

  • Guider

  • Användarvillkor

  • Integritet

  • Support

Universitet

  • KTH

  • Uppsala universitet

  • Linköpings universitet

  • Chalmers

  • Lunds universitet

  • Luleå tekniska universitet

  • Stockholms universitet

  • Gymnasiet

Socialt

  • Instagram

  • Facebook

  • YouTube

  • TikTok

  • Linkedin

© 2026 Crash Course Sverige AB