732A55 · 6 hp · Avancerad nivå (A1F) · Datavetenskap
Neuronnät och lärande system
Status okänd
Ingen tentastatistik än
Det finns inget tentatillfälle med minst 5 studenter de senaste tre läsåren. Nya kurser och kurser som bara examineras med projekt saknar ofta statistik.
Ingår i 1 program
Om kursen
Mål
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
Innehåll
I kursen behandlas 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.
- Examinator
- Magnus Borga
- Huvudområde
- Datavetenskap