1RT705 · Uppsala universitet
Avancerad probabilistisk maskininlärning
Ny kurs
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
HP
5
Språk
Engelska
Nivå
Avancerad nivå
Fakultet
Teknisk-naturvetenskapliga fakultetsnämnden
Institution
Institutionen för informationsteknologi
Lärandemål
Efter godkänd kurs ska studenten kunna:
- diskutera och avgöra om ett ingenjörsmässigt relevant problem går att formulera som ett övervakat (supervised) eller oövervakat (unsupervised) maskininlärningsproblem, och i så fall göra denna formulering.
- redogöra för likheter och skillnader (såväl praktiska som teoretiska) mellan probabilistiska och "klassiska" maskininlärningsmetoder.
- redogöra och argumentera för ett probabilistiskt angreppssätt, samt kunna tolka och förklara resultat från probabilistiska maskininlärningsmetoder.
- analysera, implementera och använda de probabilistiska modeller och metoder som ingår i kursen.
- kritiskt granska och ge konstruktiv kritik på andras texter om maskininlärning.
Kursinnehåll
Detta är en fortsättningskurs i maskininlärning med fokus på moderna probabilistiska/Bayesianska modeller: Bayesiansk linjär regression, generativa modeller, och grafiska modeller, samt metoder för att göra exakt och approximativ inferens i dessa modeller: Monte Carlo metoder och variationsinferens. Kursen innehåller även erforderlig sannolikhetsteori.
Förutsättningar
- 120 hp inklusive Sannolikhet och statistik, Linjär algebra II, Envariabelanalys, Statistisk maskininlärning, en kurs i flervariabelanalys och en kurs i grundläggande programmering. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)
Liknande kurser vid andra universitet
Gör som 15 000+ studenter och ta kontroll över ditt tentaplugg.
Kom igång gratis