In English

DD2431 Maskininlärning 6,0 hp

Machine Learning

En avancerad kurs i datalogi där studenterna lär sig att använda metoder från maskininlärning och artificiell intelligens.

  • Utbildningsnivå

    Avancerad nivå

  • Kursnivå (A-D)

    C

  • Huvudområde

    Informationsteknik

  • Betygsskala

    A, B, C, D, E, FX, F

Kurstillfällen/kursomgångar

HT13 ml13 för programstuderande

HT13 ml13 för programstuderande

  • Perioder

    HT13 P1 (6,0 hp)

  • Anmälningskod

    50475

  • Kursen startar

    2013 vecka: 36

  • Kursen slutar

    2013 vecka: 44

  • Undervisningsspråk

    Engelska

  • Campus

    KTH Campus

  • Antal föreläsningar

    24 (preliminärt)

  • Antal övningar

  • Undervisningstid

    Dagtid

  • Undervisningsform

    Normal

  • Antal platser

    Ingen begränsning

  • Schema

    Schema (nytt fönster)

  • Kursansvarig

    Örjan Ekeberg <ekeberg@kth.se>

  • Lärare

    Örjan Ekeberg <ekeberg@kth.se>

  • Målgrupp

    Enbart avsedd för studenter in samarbetet Science without Borders

Lärandemål

Efter genomgången kurs ska du kunna

  • Förstå och använda terminologin inom området maskininlärning
  • För hand använda grundläggande algoritmer för begreppsinlärning, t.ex. Find-S och Candidate Elimination
  • Beräkna informationsinnehållet i en datamängd och utnyttja det för att konstruera effektiva beslutsträd
  • Använda en- och flerlagers artificiella neuronnät och känna till deras begränsningar.
  • Utnyttja Bayesiansk beslutsteori för att hitta den bästa förklaringsmodellen till givna data
  • Veta när boosting är användbart och praktiskt utnyttja det
  • Implementera och använda temporal-difference algoritmer för problem formulerade som belöningsbaserade uppgifter
  • Använda enkla evolutionära algoritmer för att lösa problem formulerade som optimeringsproblem
  • Praktiskt använda olika komplexitetsmått för inlärning, t.ex. genom att beräkna VC-dimensionen
  • Redogöra för grundläggande algoritmer för att automatiskt konstruera logiska regler från exempel

Kursens huvudsakliga innehåll

Kursen vänder sig både till grundutbildningsstudenter och forskarstuderande i datalogi och liknande fack som ingenjörsvetenskap och statistik. 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. Kursen behandlar de grundläggande begreppen i statistik, artificiell intelligens, informationsteori och reglerteori som är relevanta för maskininlärning.

Följande ämnen behandlas i detalj:

- begreppsinlärning

- beslutsträdsinlärning

- Bayesiansk inlärning

- artificiella neuronnät

- exempelbaserad inlärning

- evolutionära algoritmer

- regelinlärning

- reinforcement learning.

Behörighet

För fristående kursstuderande krävs 90 högskolepoäng varav 45 högskolepoäng inom matematik eller informationsteknik. Dessutom krävs engelska B eller motsvarande.

Rekommenderade förkunskaper

Kunskaper motsvarande: DD1321 Tillämpad datalogi, DD1340 Introduktion till datalogi, DD1343 Datalogi, DD1344 Grundläggande datalogi eller DD1346 Objektorienterad programkonstruktion.

Litteratur

Meddelas senast 4 veckor före kursstart på kursens hemsida. Föregående läsår användes T. Mitchell, Machine Learning, McGrawHill.

Examination

  • LAB1 - Laborationer, 3,0 hp, betygsskala: P, F
  • TEN1 - Tentamen, 3,0 hp, betygsskala: A, B, C, D, E, FX, F

I denna kurs tillämpas skolans hederskodex, se: http://www.kth.se/csc/student/hederskodex.

Krav för slutbetyg

Tentamen (TEN2, 3 hp).
Laborationsuppgifter (LAB2, 3 hp).

Ges av

CSC/Datalogi

Kontaktperson

Örjan Ekeberg, e-post: ekeberg@kth.se

Examinator

Örjan Ekeberg <ekeberg@kth.se>

Påbyggnad

Diskuteras med kursledaren.

Versionsinformation

Kursplan giltig från och med HT09.
Examinationsinformation giltig från och med HT08.