Logga in

Registrera

D0033E · Luleå tekniska universitet

Maskininlärning och mönsterigenkänning

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
7.5
Språk
Svenska
Nivå
Grundnivå
Fakultet
Datateknik
Institution
Institutionen för system- och rymdteknik (SRT)

Lärandemål

Efter avslutad kurs ska studenten ha förmågan att:

  • Djupgående förståelse av grundläggande metoder och teorier i ämnet
  • Välja relevanta metoder för ett givet problem i ämnet
  • Tillämpa inhämtad kunskap i nya problemställningar
  • Uppvisa förmåga att kritiskt utvärdera och jämföra olika modeller för artificiell intellighens och lärande algoritmer för olika problemställningar och utfallskaraktäristik
Kursinnehåll
Kursen går längre i teorin och matematiska metoder för sub-symbolisk AI, företrädesvis maskininlärning och mönsterigenkänning. Kursen ger en överblick över både grundläggande och mer djupgående metoder maskininlärning och mönsterigenkänning, såsom K-NN och varianter därav, "support vector machines", beslutsträd och "random forests", " Naïve Bayes" och Bayesianska nätverk, förväntningsmaximering, evolutionära metoder, instansbaserat lärande, förstärkt lärande och metoder för utvärdering av läranderesultat. Vidare introduceras koncept och metoder som krävs för att designa, träna och validera neurala nätverk. Metoder för förbättrad maskininlärning och mönsterigenkänning kommer också behandlas övergripande, så som "multiple classificer combination", ensamble-metoder, "baggin", "boosting" och utökade metoder. Slutligen kommer metoder för oövervakad inlärning att behandlas, så som klustring (k-medelvärde, hierarkisk, DBSCAN), PCA, LDA och andra mönsterigenkänningstekniker.
Förutsättningar
  • Grundläggande behörighet samt Kunskaper inom logik, mängdlära och grafteori motsvarande M0009M Diskret matematik. Grundläggande kunskap i programmering, exempelvis D0009E Introduction to Programming eller D0028E Programmering och digitalisering. Kunskaper i engelska, motsvarande Engelska 6.
Litteratur
Deep Learning. I. Goodfellow, Y. Bengio and A. Courville, MIT Press, 2016; http://www.deeplearningbook.org
Introduction to machine learning “fourth edition” by Ethem Alpaydin, 2020
Liknande kurser vid andra universitet
Kungliga Tekniska högskolan

Kungliga Tekniska högskolan

Maskininlärning / Machine learning

DD242122 tentor
Kungliga Tekniska högskolan

Kungliga Tekniska högskolan

Statistisk inlärning och dataanalys

SF19309 tentor
Uppsala universitet

Uppsala universitet

Biologisk mångfald - mönster och processer

1MB2035 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