Maskininlärning

Mål

Kursens övergripande mål är att ge en introduktion till maskininlärning, med speciellt fokus på regression- och klassificeringsproblem. Maskininlärning presenteras med utgångspunkt från inferens och prediktion med sannolikhetsmodeller,. Kursen har som mål att ge den studerande översikt av maskininlärningsområdet utifrån ett enhetligt ramverk och en bra grund för fortsatta studier inom området. Efter avslutad kurs skall den studerande kunna:

• använda relevanta begrepp och metoder inom maskininlärning för att formulera, strukturera och lösa praktiska problem.
• göra inferens för parametrarna i ett antal vanligt förekommande maskininlärningsmodeller.
• använda maskininlärningsmodeller för prediktion och beslutsfattande.
• utvärdera och välja bland modeller.
• kunna implementera maskininlärningsmodeller och algoritmer i ett programmeringspråk.

Innehåll

Introduktion och översikt av maskininlärningsområdet och dess tillämpningsområden. Unsupervised och supervised learning. Diskriminativa och generativa modeller. Prediktion. Generalisering. Klassificering. Nearest neighbors. Naïve Bayes. Diskriminantanalys. Korsvalidering. Modellval. Överanpassning. Bootstrap. Regression. Regularisering. Ridge regression. Lasso. Variabelselektion. Binär och multi-klass regression. Dimensionsreducering. PCA. ICA. Kernel smoothers. Support vector machines. Beslutsträd. Gaussiska processer. Mixture models.