DAT341 · Chalmers tekniska högskola
Tillämpad 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
4
Språk
Engelska
Institution
Data- och informationsteknik
Lärandemål
Efter godkänd kurs ska studenten kunna:Kunskap och förståelse
- beskriva de vanligaste typerna av maskininlärningsproblem,
- förklara vid vilken typ av tillämpningar som maskininlärning kan användas, samtmaskininlärningens begränsningar,
- redogöra för hur maskininlärningsmetoder är beroende av informativ data ochsärdrag för att kunna tillämpas,
- förklara i stora drag hur olika maskininlärningsmodeller generaliserar utifrånträningsexempel.
- F
- ä
- r
- d
- i
- g
- h
- e
- t
- o
- c
- f
- ö
- m
- å
- a
- använda ett bibliotek för maskininlärning i en applikationsdomän som är relevant för Data Science-området,
- skriva programkod för att implementera enstaka maskininlärningsalgoritmer,
- tillämpa utvärderingsmetoder för att bedöma kvaliteten hosmaskininlärningssystem, och jämföra flera olika sådana system.
- V
- n
- s
- l
- diskutera fördelarna och nackdelarna med olika maskininlärningsmodeller utifrån en given tillämpning,
- resonera om vilken typ av information eller särdrag som skulle kunna vara användbara i en maskininlärningsuppgift,
- välja en lämplig utvärderingsmetod för ett maskininlärningsbaserat system ochmotivera detta val,
- resonera om de etiska frågor som kan uppstå vid tillämpning avmaskininlärningsbaserade system.
Kursinnehåll
Under kursens gång kommer ett urval av ämnen att genomgås inom övervakad (supervised) inlärning, exempelvis linjär klassificering och regression, eller olinjära modeller som neurala nätverk, samt inom oövervakad (unsupervised) inlärning, till exempel klustringsmetoder. De typiska användningsfallen och begränsningarna hos dessa algoritmer kommer att diskuteras, och deras implementation kommer att undersökas med hjälp av programmeringsuppgifter. Metodologiska frågor som rör utvärdering av maskininlärningsbaserade system kommer också att diskuteras, samt några av de etiska frågor som kan dyka upp när man tillämpar den typen av teknologier. Det kommer att vara ett starkt fokus på de användningsområden i verkligheten där maskininlärning kan tillämpas. Användningen av maskininlärningskomponenter i praktiska tillämpningar kommer att exemplifieras, och realistiska scenarion kommer att studeras i områden som t.ex. e-kommers, business intelligence, textanalys, bildanalys, eller bioinformatik. Vikten av konstruktion och urval av särdrag, samt deras pålitlighet, kommer att diskuteras.
Förutsättningar
- Grundläggande behörighet för avancerad nivå
Litteratur
Kurslitteratur kommer att publiceras senast 8 veckor innan kursstart.
Liknande kurser vid andra universitet
Gör som 15 000+ studenter och ta kontroll över ditt tentaplugg.
Kom igång gratis