Kursplan för

Tillämpad maskininlärning
Applied Machine Learning

EDAN95, 7,5 högskolepoäng, A (Avancerad nivå)

Gäller för: Läsåret 2018/19
Beslutad av: Programledning C/D
Beslutsdatum: 2018-04-03

Allmänna uppgifter

Valfri för: BME4, C4-pv, D4-bg, D4-pv, E4-bg, F4, F4-pv, Pi4, Pi4-pv
Undervisningsspråk: Kursen ges på engelska

Syfte

Att ge en introduktion till flera delområden inom maskininlärning och att orientera om grundläggande metoder och algoritmer tillgängliga inom dessa områden. Att förmedla bredd och djup inom ämnet.

Mål

Kunskap och förståelse
För godkänd kurs skall studenten

 

• vid en skriftlig tentamen visa grundläggande kunskaper om teori och metoder relaterade till följande delområden:
• oövervakad och övervakad inlärning, klassificering och regression
• neurala nätverk inklusive konvolutionella neurala nätverk, återkommande neurala nätverk och djupinlärning
• bayesisk inlärning
• förstärkningsinlärning
• support vector machines, beslutsträd, slumpskogar, ensemble-metoder

Färdighet och förmåga
För godkänd kurs skall studenten

 

• utföra ett antal inlämningsuppgifter av problemlösningskaraktär relaterade till några av ovannämnda delområden som visar studentens kapacitet att:
• bedöma och förbereda data
• välja och träna en modell
• bedöma resultatet och justera modellen

 

Värderingsförmåga och förhållningssätt
För godkänd kurs skall studenten

 

• kunna bedöma tillämpningsbarheten av en maskininlärningsmetod till ett givet problem,
• förstå begränsningar av maskininlärningsmetoder och ansatser

 

Kursinnehåll

 

• oövervakad och övervakad inlärning, klassificering och regression
• neurala nätverk inklusive konvolutionella nätverk, återkommande neurala nätverk och djupinlärning
• bayesisk inlärning
• förstärkningsinlärning
• support vector machines, beslutsträd, suumpskogar, ensemblemetoder
• hårdvaru- och mjukvaruarkitekturer för maskininlärning, parallellisering, användning av GPUer

 

Kursens examination

Betygsskala: TH - (U,3,4,5) - (Underkänd, Tre, Fyra, Fem)
Prestationsbedömning: Skriftlig tentamen och inlämningsuppgifter. Slutbetyg på kursen grundar sig på resultatet av den skriftliga tentamen.

Om så krävs för att en student med varaktig funktionsnedsättning ska ges ett likvärdigt examinationsalternativ jämfört med en student utan funktionsnedsättning, så kan examinator efter samråd med universitetets avdelning för pedagogiskt stöd fatta beslut om alternativ examinationsform för berörd student.

Delmoment
Kod: 0118. Benämning: Tentamen.
Antal högskolepoäng: 3. Betygsskala: TH. Prestationsbedömning: Skriftlig tentamen.
Kod: 0218. Benämning: Inlämningsuppgifter.
Antal högskolepoäng: 4,5. Betygsskala: UG. Prestationsbedömning: För godkänt på kursen krävs att de obligatoriska inlämningsuppgifterna godkänts. Detaljerade regler för inlämningsuppgifterna kommer att finnas i kursprogrammet (syllabus) på kursens hemsida. Delmomentet omfattar: Inlämningsuppgifter där maskininlärningsmetoder som tagits upp på föreläsningarna implementeras för att ge praktisk erfarenhet av svårigheter, omfång, resultattolkning etc.

Antagningsuppgifter

Förkunskapskrav:

• EDAA01 Programmeringsteknik - fördjupningskurs

Begränsat antal platser: 60
Urvalskriterier: Antal poäng som återstår till examen.

Kurslitteratur

• Kevin P. Murphy: Machine Learning, A Probabilistic Perspective. MIT Press, 2012, ISBN: 9780262018029. Referenstext om ämnet.
• Ian Goodfellow, Yoshua Bengio, Aaron Courville: Deep Learning. MIT Press, 2016, ISBN: 9780262035613. Referenstext om djupinlärning.
• Aurélien Géron: Hands-On Machine Learning with Scikit-Learn and TensorFlow, Concepts, Tools, and Techniques to Build Intelligent Systems. O'Reilly Media, 2017, ISBN: 9781491962299. Referenstext om den praktiska delen av ämnet.

Kontaktinfo och övrigt

Kursansvarig: Jacek Malec, jacek.malec@cs.lth.se
Kursansvarig: Pierre Nugues, pierre.nugues@cs.lth.se
Kursansvarig: Elin Anna Topp, elin_anna.topp@cs.lth.se
Hemsida: http://cs.lth.se/edan95
Övrig information: Detaljerade föreskrifter för fullgörande av inlämningsuppgifterna kommer att finnas på kurswebben.