TDA233 · Chalmers tekniska högskola
Algoritmer för maskininlärning och slutledning
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
7.5
Språk
Engelska
Institution
Data- och informationsteknik
Lärandemål
Kunskap och förståelse:
- förklara en representativ uppsättning av tillgängliga metoder för maskininlärning
- F
- ä
- r
- d
- i
- g
- h
- e
- t
- o
- c
- f
- ö
- m
- å
- a
- :
- implementera och analysera algoritmer för maskininlärning
- tillämpa sunda matematiska principer för att på vetenskaplig grund dra slutsatser och forma hypoteser från empiriska data och modeller
- V
- n
- s
- l
- välja lämpliga metoder och tillämpa dem på specifika inferensproblem, utifrån en god förståelse av vetenskaplig litteratur inom området
- utvärdera metoderna kvalitativt och kvantitativt, och identifiera deras styrkor såväl som deras begränsningar
Kursinnehåll
- Övervakat Lärande: Bayes-klassificerare, perceptron-baserade metoder, support-vektormaskiner, regression.
- Oövervakad inlärning: Algoritmer för klustring, EM-algoritmen, mixture-modeller, model selection, kernel-metoder.
- Djup maskininlärning, exemelvis standard neuronala nät, CNN, RNN
- Maximum likelihood estimation och Baysian methods
Förutsättningar
- Grundläggande behörighet för avancerad nivå
Litteratur
Information om litteratur ges på kursens hemsida före kursstart.
Liknande kurser vid andra universitet
Gör som 15 000+ studenter och ta kontroll över ditt tentaplugg.
Kom igång gratis