Logga in

Registrera

DV2638 · Blekinge tekniska högskola

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
6
Språk
Engelska
Nivå
Avancerad nivå
Fakultet
Tekniska området
Institution
Institutionen för datavetenskap

Lärandemål

  • 1. Kunskap och förståelse
  • definiera och beskriva lösningsbara/hanterbara inlärningsproblem.
  • översiktligt förklara och sammanfatta resultat från tillämpning och utvärdering av maskininlärning.
  • 2. Färdighet och förmåga
  • modifiera eller producera och använda maskininlärning för olika typer av inlärningsproblem.
  • planera och verkställa experiment för utvärdering och jämförelse av lärande system.
  • 3. Värderingsförmåga och förhållningssätt
  • utvärdera och jämföra lärande system för olika inlärningsproblem med hänsyn till mänskliga, ekonomiska och samhälleliga fördelar.
  • värdera och jämföra metoder och åtgärder för utvärdering av lärande system med avseende på etiska aspekter och tillförlitlighet.
Kursinnehåll
Det huvudsakliga syftet med kursen är att introducera teori och metod från maskininlärning (ML) samt praktiska tillämpningar inom informationsutvinning (data mining). Kursen omfattar följande teman: Introduktion till maskininlärning: motivation, mål, teori och existerande metoder samt forsknings- och tillämpningstrender. Utveckling av maskininlärning: planering, design, data förbehandling (pre-processing), implementering, och testning av maskininlärning. Inriktningar och områden inom maskininlärning: övervakad inlärning (supervised learning), oövervakad inlärning (unsupervised learning), klassificering, meta-inlärning (meta learning), multi-instansinlärning (multi-instance learning). Utvärdering av maskininlärning: ansatser, metoder, och mått för utvärdering och validering av maskininlärning.
Förutsättningar
  • För tillträde till kursen krävs avklarade hp i programmering, 5 hp, datastrukturer och algoritmer, 5 hp samt matematisk statistik eller sannolikhetsteori, 5 hp. Engelska 6.
Litteratur
och övriga lärresurser
Machine Learning: The Art and Science of Algorithms that Make Sense of Data
Author: Peter Flach
Publisher: Cambridge University Press
Number of Pages: 396 - Published: 2012
Data Mining: The Textbook
Aggarwal - Author: Charu C
Publisher: Springer International Publishing Switzerland
Number of Pages: 746 - Published: 2015
Machine Learning Engineering
Autor: Andriy Burkov
2020) - Publisher: True Positive Inc.; standardutgåva edition (5 Sept
Number of Pages: 310 - Published: 2020
ISBN-10: ‎ 1999579577
ISBN-13: ‎ 978-1999579579
Neural Networks and Deep Learning: A Textbook
Aggarwal - Author: Charu C
Publisher: Springer International Publishing AG
Number of Pages: 512 - Published: 2018
Introduction to Machine Learning with Python: A Guide for Data Scientists
Muller and Sarah Guido - Author: Andreas C
Publisher: O'Reilly Media; 1st edition
Number of Pages: 398 - Published: 2016
ISBN-10: ‎ 1449369413
ISBN-13: ‎ 978-1449369415
Liknande kurser vid andra universitet
Uppsala universitet

Uppsala universitet

Introduktion till maskininlärning

1DL0341 tentamen
Linnéuniversitetet

Linnéuniversitetet

Introduktion till maskininlärning

N/A1 tentamen
Kungliga Tekniska högskolan

Kungliga Tekniska högskolan

Maskininlärning / Machine learning

DD242119 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

  • Blogg

  • 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