Kursplan för Avancerade teman i maskininlärning

Kursplan fastställd 2022-02-01 av programansvarig (eller motsvarande).

Kursöversikt

  • Engelskt namnAdvanced topics in machine learning
  • KurskodDAT440
  • Omfattning7,5 Högskolepoäng
  • ÄgareMPDSC
  • UtbildningsnivåAvancerad nivå
  • HuvudområdeDatateknik, Informationsteknik
  • InstitutionDATA- OCH INFORMATIONSTEKNIK
  • BetygsskalaTH - Mycket väl godkänd (5), Väl godkänd (4), Godkänd (3), Underkänd

Kurstillfälle 1

  • Undervisningsspråk Engelska
  • Anmälningskod 87119
  • Max antal deltagare100
  • Min. antal deltagare10
  • Blockschema
  • Sökbar för utbytesstudenterNej
  • Endast studenter med kurstillfället i programplan.

Poängfördelning

0120 Inlämningsuppgift 3,5 hp
Betygsskala: UG		0 hp0 hp0 hp3,5 hp0 hp0 hp
0220 Tentamen 4 hp
Betygsskala: TH		0 hp0 hp0 hp4 hp0 hp0 hp
  • 30 Maj 2023 em J
  • 14 Aug 2023 em J

I program

Examinator

Gå till kurshemsidan (Öppnas i ny flik)

Behörighet

Grundläggande behörighet för avancerad nivå
Sökande med en programregistrering på ett program där kursen ingår i programplanen undantas från ovan krav.

Särskild behörighet

Engelska 6
Sökande med en programregistrering på ett program där kursen ingår i programplanen undantas från ovan krav.

Kursspecifika förkunskaper

För att vara behörig till kursen ska studenten minst vara godkänd på följande kurser:
  • 7.5 hp programmering (erfarenhet av Python är önskvärd, men inget absolut krav)
  • 7.5 hp datastrukturer och/eller algoritmer
  • 7.5 hp grundläggande sannolikhetsteori och statistik
  • 7.5 hp analys
  • 7.5 hp linjär algebra
  • 7.5 hp grundläggande maskininlärning (exempelvis TDA233, MVE440, DAT340)

Syfte

Denna kurs fokuserar på avancerade ämnen inom maskininlärning så att studenterna får en fördjupat förståelse för moderna maskininlärmingsmetoder. Studenterna kommer att lära känna sofistikerade maskininlärningsmodeller som är används i problem i verkligheten. De kommer också att lära sig att analysera och på djupet förstå avancerade modeller inom maskininlärning.

Lärandemål (efter fullgjord kurs ska studenten kunna)

  • att lära sig om moderna och avancerade maskininlärning samt att analysera dessa i olika situationer.  
  • att läsa och förstå state-of-the-art vetenskapliga pulikationer inom ämnet
  • att kunna föreslå och använda lämpliga modeller för komplexa uppgifter inom maskininlärning
  • att vara förberedd för forskning och utveckling av avancerade metoder inom maskininlärning

Innehåll

Kursinnehållet är
  • teoretisk maskininlärning och beräkningsaspekter
  • Online inlärning och aktiv inlärning
  • Reinforcement learning
  • avancerade djupa maskininlärningsmodeller (Deep Neural Network models)

Organisation

Föreläsningar och inlämningsuppgifter.

Litteratur

Kurslitteratur publiceras 8 veckor innan kursstart

Examination inklusive obligatoriska moment

Kursen examineras med inlämningsuppgifter och skriftlig salstentamen. Omprov sker i form av en muntlig tentamen.

Kursens examinator får examinera enstaka studenter på annat sätt än vad som anges ovan om särskilda skäl föreligger, till exempel om en student har ett beslut från Chalmers om pedagogiskt stöd på grund av funktionsnedsättning.