Grunderna i maskininlärning

Mål

Kursens mål är att förklara vad maskininlärning är, vilka typer av maskininlärning som finns, deras möjligheter och begränsningar, samt få en överblick över olika metoder och tekniker som används för maskininlärning. Efter kursen kommer studenten kunna:

• Beskriva vad maskininlärning kan användas till, samt dess möjligheter och begränsningar.
• Beskriva hur data används för att träna en maskininlärningsmodell till att lösa ett givet problem.
• Beskriva under vilka förutsättningar som man kan förvänta sig att maskininlärningsmetoder presterar väl.
• Formulera maskininlärning som optimeringsproblem.
• Skilja mellan övervakad och oövervakad maskininlärning.
• Utvärdera prestandan hos en maskininlärningsmodell.
• Redogöra för vanliga metoder och modeller som används inom maskininlärning.

Innehåll

Kursen består av sju delar:

• Vad är maskininlärning?
• Övervakad inlärning: en första ansats
• Parametriska modeller och ett statistiskt perspektiv på inlärning
• Att förstå, utvärdera och förbättra prestandan
• Neuronnät och djupinlärning
• Generativa modeller och inlärning utifrån oannoterade data
• Användaraspekter av maskininlärning