EEN175 · Chalmers tekniska högskola
Introduktion till 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
Kurs info
HP
6
Språk
Svenska
Institution
elektroteknik
Lärandemål
- förklara och tillämpa grundläggande maskininlärningsmetoder,
- använda mjukvara för maskininlärning i praktiska tillämpningar,
- utvärdera tillämpbarhet och begränsningar för de metoder som presenteras i kursen.
Kursinnehåll
Sannolikhetslära och statistik. Linjär regression baserad på minstakvadrat och maximum-likelihood kriterier. Klassificering med hjälp av avståndsbaserade metodor, k-närmaste grannmetoden, beslutsträd och logistisk regression. Modellvalidering, avvägning mellan bias och varians samt överanpassning. Ickelinjära parametriska lärandemodeller, regularisering och gradientbaserad optimering. Neurala nätverk och djupinlärning. Icke-linjära transformationer, supportvektor regression och klassificering. Bayesiansk linjär regression och Gaussiska processer. Övervakade och icke-övervakade inlärningsalgoritmer.
Förutsättningar
- Grundläggande behörighet för grundnivå
Litteratur
Andreas Lindholm, Niklas Wahlström, Fredrik Lindsten, Thomas B. Schön
Machine Learning - A First Course for Engineers and Scientists
2022, Cambridge University Press. Tillgänglig online.
Liknande kurser vid andra universitet
Gör som 15 000+ studenter och ta kontroll över ditt tentaplugg.
Kom igång gratis