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.

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.

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

Tentamensinformation

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.


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.

Kurslitteraturlista Matematiska institutionen

Kursrapporter visas för de tre senaste kurstillfällena.

Ny student
Under utbildningen

Kurshemsida

Du hittar kurshemsidan på kurser.math.su.se.






Vi använder kakor

Genom att tillåta tjänster från tredje part accepterar du deras cookies och användningen av spårningsteknologier som är nödvändiga för att de ska fungera korrekt.