kunna skilja mellan övervakad och oövervakad inlärning, förklara de viktigaste principerna för de motsvarande algoritmerna, och förstå deras skillnader och likheter-förstå under vilka förutsättningar man med fördel kan använda neurala nätverk-förstå begränsningar och grundläggande problem med olika neurala nätverks algoritmer-kunna implementera algoritmerna som introducerats i klassen, från grunden och med hjälp av befintliga programpaket-tolka resultaten av datorsimuleringar, och kommunicera slutsatser på ett tydligt, logiskt, och kortfattat sätt-kunna sammanfatta den historiska utvecklingen av ämnet-kunna reflektera på etiska frågor kring maskinginlärning, och möjliga risker
Kursinnehåll
Kursen bygger på kompendiet Machine learning with neural networks https://arxiv.org/abs/1901.05639.
B. Mehlig Machine learning with neural networks https://arxiv.org/abs/1901.05639
Ytterligare referenser
I. Goodfellow, Y. Bengio & A. Courville, Deep Learning https://www.deeplearningbook.orgJ. Hertz, A. Krogh & R. G. Palmer, Introduction to the theory of neural computation, Addison-Wesely, Redwood City (1991).
S. Haykin, Neural Networks: a comprehensive foundation, 2nd ed., Prentice Hall, New Jersey (1999)
R.S. Sutton & A. Barto, Reinforcement learning: An Introduction, 2nd ed., MIT Press, http://www.incompleteideas.net/book/the-book-2nd.html