Neuronnät och lärande system, 6 hp

Neural Networks and Learning System, 6 credits

732A55

Huvudområde

Datavetenskap

Utbildningsnivå

Avancerad nivå

Kurstyp

Fristående- och programkurs

Examinator

Magnus Borga

Studierektor eller motsvarande

Marcus Larsson
VOF = Valbar / Obligatorisk / Frivillig
Kursen ges för Termin Veckor Block Språk Ort/Campus VOF
F7MSL Statistics and Machine Learning, Master´s Programme 2 (VT 2020) 202004-202013 2 Engelska Linköping, Valla V

Huvudområde

Datavetenskap

Utbildningsnivå

Avancerad nivå

Fördjupningsnivå

A1X

Kursen ges för

  • Masters Programme in Statistics and Machine Learning

Förkunskapskrav

Kandidatexamen i något av följande ämnen: statistik, matematik, tillämpad matematik, datavetenskap, teknik eller motsvarande examen. Utöver detta, erfordras godkända/avklarade kurser i kalkyl, linjär algebra, statistik och programmering. 
Engelska B eller motsvarande.

Lärandemål

Efter avslutad kurs ska den studerande på en avancerad nivå kunna:
- konstruera och tillämpa artificiella neuronnät och liknande metoder för signal, bild och dataanalys som lär sig tidigare erfarenheter och observerat data,
- tillämpa metoder för att designa algoritmer och för att finna meningsfulla samband i multidimensionella signaler där komplexitetsgraden gör traditionella modellbaserade metoder olämpliga eller omöjliga att använda. 
- redogöra för skillnaden mellan olika inlärningsparadigm, implementera och använda några av de vanligaste metoderna inom dessa paradigm och välja lämplig metod för ett givet problem. 

Kursinnehåll

Kursen behandlar följande:
Maskininlärning, klassificering, mönsterigenkänning och högdimensionell dataanalys. 
Övervakad inlärning: neurala nätverk, linjär diskriminantanalys, support vector machines, ensemble metoder, boosting. 
Oövervakad inlärning: mönster i högdimensionell data, dimensionalitetsreduktion, klustring, principal komponentanalys, oberoende komponentanalys.
Reinforcement inlärning: Markov modeller, Q-learning.

Undervisnings- och arbetsformer

Föreläsningar, lektioner och laborationer. Utöver detta ska den studerande utöva självstudier. Undervisningsspråk: Engelska 

Examination

Examinationen består av  en skriftlig tentamen och laborationsuppgifter med obligatoriska inlämningsuppgifter. Detaljerad information om examinationerna återfinns i kursens studiehandledning.

Studerande, vars examination underkänts två gånger på kursen eller del av kursen, har rätt att begära en annan examinator vid förnyat examinationstillfälle.

Den som godkänts i prov får ej delta i förnyat prov för högre betyg.

Betygsskala

ECTS, EC

Institution

Institutionen för medicinsk teknik
Kod Benämning Omfattning Betygsskala
LAB1 Laboration 2 hp EC
TENT Tentamen 4 hp EC
Det finns ingen kurslitteratur tillgänglig på studieinfo för den här kursen.

Denna flik innehåller det material som är publikt i Lisam. Den information som publiceras här är inte juridiskt bindande, sådant material hittar du under övriga flikar på denna sida.

Det finns inga filer att visa.