Kursplan för

Optimering för maskininlärning
Optimization for Learning

FRTN50, 7,5 högskolepoäng, A (Avancerad nivå)

Gäller för: Läsåret 2019/20
Beslutad av: Programledning F/Pi
Beslutsdatum: 2019-03-26

Allmänna uppgifter

Valfri för: D5-mai, E4, F5, F5-r, F5-mai, I4, M4, Pi5-ssr
Undervisningsspråk: Kursen ges på engelska

Syfte

Att lära från data har blivit viktigare inom många ingenjörsområden. Metoder för sådan inlärning är ofta baserade på optimering; att träna en maskin består oftast av att lösa ett specifikt optimeringsproblem. Dessa problem är oftast storskaliga. I denna kurs kommer vi lära oss att lösa sådana optimeringsproblem effektivt. Traditionella metoder går inte att applicera då problemen är för stora. Vi kommer presentera en enhetlig beskrivning av algoritmer för storskalig konvex optimering och behandla algoritmer för det icke konvexa problemet att träna djupa neurala nätverk.

Mål

Kunskap och förståelse
För godkänd kurs skall studenten

Färdighet och förmåga
För godkänd kurs skall studenten

Värderingsförmåga och förhållningssätt
För godkänd kurs skall studenten

Kursinnehåll

Kursen har föreläsningar, övningar och fyra inlämningsuppgifter.

Föreläsningarna innehåller:

konvexitet, modeller för inlärning, enhetlig beskrivning av konvexa optimeringsalgoritmer, fixpunktsiterationer, monotona operatorer, icke expansiva avbildningar, stokastiska metoder, metoder med reducerad varians, metoder med block-koordinatuppdateringar, icke konvexa stokastiska gradientmetoder för träning av djupa neurala nätverk.

Kursens examination

Betygsskala: TH - (U,3,4,5) - (Underkänd, Tre, Fyra, Fem)
Prestationsbedömning: Skriftlig tentamen (5 timmar), 4 inlämningsuppgifter. Om färre än 5 studenter är registrerade kan muntlig examen användas.

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: 0119. Benämning: Tentamen.
Antal högskolepoäng: 7,5. Betygsskala: TH.
Kod: 0219. Benämning: Inlämningsuppgift 1.
Antal högskolepoäng: 0. Betygsskala: UG.
Kod: 0319. Benämning: Inlämningsuppgift 2.
Antal högskolepoäng: 0. Betygsskala: UG.
Kod: 0419. Benämning: Inlämningsuppgift 3.
Antal högskolepoäng: 0. Betygsskala: UG.
Kod: 0519. Benämning: Inlämningsuppgift 4.
Antal högskolepoäng: 0. Betygsskala: UG.

Antagningsuppgifter

Förutsatta förkunskaper: FMAN60 Optimering
Begränsat antal platser: Nej
Kursen kan ställas in: Om färre än 12 anmälda.

Kurslitteratur

Kontaktinfo och övrigt

Kursansvarig: Pontus Giselsson, pontusg@control.lth.se
Studierektor: Anton Cervin, anton.cervin@control.lth.se
Hemsida: http://www.control.lth.se/course/FRTN50