Neuronnät och lärande system, 6 hp
Neural Networks and Learning System, 6 credits
732A55
Huvudområde
DatavetenskapUtbildningsnivå
Avancerad nivåKurstyp
Fristående- och programkursExaminator
Magnus BorgaStudierektor eller motsvarande
Marcus LarssonKursen 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
DatavetenskapUtbildningsnivå
Avancerad nivåFördjupningsnivå
A1XKursen 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, ECInstitution
Institutionen för medicinsk teknikKod | Benämning | Omfattning | Betygsskala |
---|---|---|---|
LAB1 | Laboration | 2 hp | EC |
TENT | Tentamen | 4 hp | EC |
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.