ETE377 · 4 hp · Grundnivå (G2X) · Informationsteknologi, Datateknik, Datavetenskap, Elektroteknik, Medicinsk teknik
Maskininlärning
Nedlagd
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.
Om kursen
Mål
Målet är att studenten ska förstå hur olika paradigm och metoder för maskininlärning fungerar och kunna implementera och tillämpa sådana metoder för olika typer av dataanalys.
Efter kursen ska studenten kunna:
- Redogöra för skillnaden mellan olika inlärningsparadigm
- Implementera och använda några av de vanligaste metoderna inom dessa paradigm
- Välja lämplig metod för ett givet problem.
Innehåll
- Olika paradigm inom maskininlärning
- Klassificering / Regression
- Övervakad inlärning (supervised learning)Linjära klassificerareNeurala nätverkDjupa nätverkFaltningsnätverk
- Oövervakad inlärning (unsupervised learning)PrincipalkomponentanalysKlustring
- Betingad inlärning (Reinforcement learning)"Q-learning"
- Examinator
- Magnus Borga
- Schemalagd tid
- 16 h
- Huvudområde
- Informationsteknologi, Datateknik, Datavetenskap, Elektroteknik, Medicinsk teknik