Avancerad maskininlärning

Lärandemål

Kursen presenterar analysmetoder för ett flertal stora klasser av modeller som är frekvent förekommande inom avancerad maskininlärning, t ex tillståndsmodeller (state-space), gaussiska processer, dolda Markovprocesser (hidden Markov models), bayesianska nätverk och Markovslumpfält. Kursdeltagarna kommer lära sig om dessa modellers struktur och egenskaper, i vilka situationer och hur de kan tillämpas i praktiska maskininlärningsproblem, och hur resultaten ska tolkas. Modellerna analyseras i huvudsak utifrån ett bayesianskt perspektiv. Efter genomgången kurs ska den studerande kunna:

• använda de genomgångna modellerna för att korrekt formulera och lösa praktiska problem.
• utföra inferens och prediktion i de presenterade modellerna
• utforma algoritmer för att få en agent att lära sig att agera optimalt genom att interagera med miljön, samt
• implementera modellerna och inferensmetoderna i ett programspråk.