Introduktion till maskininlärning
Maskininlärning och artificiell intelligens har en stor påverkan på samhället idag, både praktiskt och konceptuellt. Många verksamheter, inom såväl offentlig verksamhet som i näringslivet, försöker dra nytta av den nya tekniken.
I den här kursen blir du introducerad till grundläggande principer i fältet maskininlärning, god praxis, samt några viktiga och lättillgängliga metoder. I övningar får du experimentera med dessa metoder och lära dig hur man använder dem i praktiken.
Innehåll
Kursen behandlar frågan hur datorn kan lära sig från tidigare erfarenheter. Den ger en översikt över maskininlärningsområdet och beskriver ett antal inlärningsparadigm, algoritmer, teoretiska resultat och tillämpningar. Etiska och samhälleliga aspekter av maskininlärning behandlas. Kursen behandlar de grundläggande begreppen i maskininlärning och tekniker som: närmaste-granne-klassificerare, beslutsträd, bias och varians-trade-off, regression, support-vektor-maskiner, artificiella neuronnät, ensemblemetoder, dimensionalitetsreduktion samt underrumsmetoder.
-
Kursupplägg
Kursen består av två moment; teori och laborationer.
Undervisning
Undervisningen består av föreläsningar.
Examination
Kursen examineras genom ett skriftligt prov, och muntlig och skriftlig redovisning av laborationer. För godkänt betyg på kursen krävs att du är godkänd på båda momenten.
Examinator
Lista över examinatorer finns på
-
Schema
Schema finns tillgängligt senast en månad före kursstart. Vi rekommenderar inte utskrift av scheman då vissa ändringar kan ske. Vid kursstart meddelar utbildningsansvarig institution var du hittar ditt schema under utbildningen. -
Kurslitteratur
Observera att kurslitteraturen kan ändras fram till två månader före kursstart.
James, Witting, Hastie, Tibshirani och Taylor: Introduction to Machine Learning: With Applications in Python.
Boken är tillgänglig som e-bok via Stockholms universitetsbibliotek.
-
Kursrapporter
-
Mer information
-
Kontakt
