Stockholms universitet logo, länk till startsida
Go to this page on our english site

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.

För dig som är antagen VT2022

Grattis! Du har blivit antagen till den utbildning du sökt på Stockholms universitet och vi hoppas att du kommer att trivas med dina studier hos oss.

På den här sidan listar vi vad du behöver göra och känna till innan du börjar dina studier.

Följ de instruktioner du fått för att acceptera din plats. 

Mer information på antagning.se

 

Checklista för antagna studenter

  1. Aktivera ditt SU-konto

    Första steget för att kunna registrera dig och få tillgång till universitetets alla IT-tjänster.

  2. Registrera dig på din institution

    Registrering kan ske på olika sätt. Läs noga informationen från din institution nedan.

  3. Ta del av institutionens information

    På den här sidan hittar du det du behöver veta inför starten på din kurs eller ditt program.

Notera

Din plats kan tas tillbaka om du inte registrerar dig och deltar vid eventuellt upprop enligt anvisningarna från institutionen.

Information från institutionen - kurser

Här hittar du viktig information om registreringstider, lärplattform, och information för dig som är antagen med villkor eller reservantagen.

Först: Svara på ditt antagningsbesked!

Om du erbjuds en plats eller reservplats på en kurs i första antagningsbeskedet måste du svara på antagningbeskedet via Antagning.se senast 17 december för att behålla platsen!

Mer info hos Antagning.se om att svara på antagningsbesked

Om du glömmer att svara på antagningsbeskedet måste du söka kursen igen om du vill läsa den, vilket kräver att den är öppen för sen anmälan.

Registrering i Ladok

Du som är antagen till en kurs måste webbregistrera dig via student.ladok.se för att behålla din plats på kursen. Webbregistrering för kurser VT22 öppnar 3 januari, och stänger olika tider för olika kurser.

För följande kurser stänger webbregistrering extra tidigt:

  • Alla varianter av Matematik I, även kursvarianterna som ingår i ULV- och VAL-projekten, och fortsättningsregistrering på termin två för dig som läser kursen på halvfart med start HT21: sista dag för webbregistrering är 10 januari.
  • Matematik för naturvetenskaper II: sista dag för webbregistrering är 16 januari.
  • Kurser i datalogi och beräkningsteknik som ges på KTH, alltså kurserna med kurskoder BE7008, BE7012, DA3019, DA7054-DA7064: sista dag för webbregistrering är 16 januari.

För distanskurserna Förberedande kurs i matematik och Utmanande matematik är webbregistrering öppen tills 27 maj.

För övriga kurser är webbregistrering öppen till och med 6 februari om kursen börjar i januari (period 1 eller AB), eller 12 april om den börjar i mars (period 2 eller CD).

Du kan inte webbregistrera dig på självständiga arbeten i matematik eller datalogi (du registreras när din arbetsplan har godkänts).

Lärplattform

Våra kurssidor finns på kurser.math.su.se, med undantag för kurserna Förberedande kurs i matematik (prep.math.su.se) och Utmanande matematik (utmanande.math.su.se).

På många kurssidor kan du aktivera dig själv, men att du gör det innebär inte att du är registrerad på kursen! Du måste alltid webbregistrera dig på kursen via Ladok, se ovan om registrering.

Villkor för antagning

Villkorshanteringen brukar ske strax före kursstart. Du behöver i allmänhet inte visa upp några intyg på att villkoren är uppfyllda, denna information har vi tillgång till.

Så länge villkoret finns kvar kan du inte webbregistrera dig, därför bör du kontakta studievägledningen om villkoret fortfarande finns kvar vid kursstart, och du inte har fått något besked om huruvida du får läsa kursen. Om kursen har kort registreringsperiod, kontakta oss innan webbregistrering stänger (du bör i så fall ha fått instruktioner i ditt välkomstbrev).

Reservantagning

Eventuell reservantagning sker kring terminsstart, och vi kontaktar dig då på den e-postadress du angivit på Antagning.se om vi kan erbjuda dig en plats. Om du är reservantagen med villkor och blir erbjuden en plats på kursen, så måste du också uppfylla villkoret för att kunna ta din plats i anspråk.

Mer information

Ny student: om antagning, registrering, kurslitteratur och kurssidor

Under utbildningen: om tentor, hederskodex och etiska riktlinjer, studentrepresentation, IT-resurser, vårt videoarkiv, studieavbrott och omregistrering

Kontakt studiefrågor

Välkomstaktiviteter

Vid terminsstart arrangeras ett antal välkomstaktiviteter för dig som är ny student. En av dessa är Välkomstdagen på Campus Frescati som bjuder på ett seminarium med viktig information och praktiska tips inför din studietid. Välkomstdagen arrangeras för alla nya studenter, oavsett ämne, kurs eller program. För dig som är ny student vid Institutionen för data- och systemvetenskap, DSV, arrangeras en motsvarade välkomstdag på Campus Kista. 

Information som rör din utbildning får du via din kurs-/programgivande institution.

su.se/valkomstaktiviteter


Hitta hit

Stockholms universitet sträcker sig över en stor yta. Läs om vilka campus som finns och var du hittar din institution, alla undervisningslokaler, lunchställen, bibliotek, läsplatser, mm.

Hitta på campus


Läs mer

Ny student

Under utbildningen

Studenthandboken

Kårer och föreningar

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.