DD2421 Maskininlärning 7,5 hp

Machine Learning

  • Utbildningsnivå

    Avancerad nivå
  • Huvudområde

    Datalogi och datateknik
  • Betygsskala

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

Kurstillfällen/kursomgångar

VT19 mi19v för programstuderande

VT19 SAP för Study Abroad Programme (SAP)

  • Perioder

    VT19 P3 (7,5 hp)

  • Anmälningskod

    20061

  • Kursen startar

    2019-01-15

  • Kursen slutar

    2019-03-15

  • Undervisningsspråk

    Engelska

  • Studielokalisering

    KTH Campus

  • Undervisningstid

    Dagtid

  • Undervisningsform

    Normal

  • Antal platser

    Ingen begränsning

  • Kursansvarig

    Atsuto Maki <atsuto@kth.se>

    Giampiero Salvi <giampi@kth.se>

  • Lärare

    Atsuto Maki <atsuto@kth.se>

    Giampiero Salvi <giampi@kth.se>

    Örjan Ekeberg <ekeberg@kth.se>

  • Målgrupp

    SAP-studenter

VT19 Doktorand för fristående studerande

  • Perioder

    VT19 P3 (7,5 hp)

  • Anmälningskod

    20116

  • Kursen startar

    2019-01-15

  • Kursen slutar

    2019-03-15

  • Undervisningsspråk

    Engelska

  • Studielokalisering

    KTH Campus

  • Undervisningstid

    Dagtid

  • Undervisningsform

    Normal

  • Antal platser

    Ingen begränsning

  • Kursansvarig

    Atsuto Maki <atsuto@kth.se>

    Giampiero Salvi <giampi@kth.se>

  • Lärare

    Atsuto Maki <atsuto@kth.se>

    Giampiero Salvi <giampi@kth.se>

    Örjan Ekeberg <ekeberg@kth.se>

  • Målgrupp

    Endast för doktorander på KTH

HT19 miHT19 för programstuderande

HT19 för Study Abroad Programme (SAP)

  • Perioder

    HT19 P1 (7,5 hp)

  • Anmälningskod

    10125

  • Kursen startar

    2019-08-26

  • Kursen slutar

    2019-10-25

  • Undervisningsspråk

    Engelska

  • Studielokalisering

    KTH Campus

  • Undervisningstid

    Dagtid

  • Undervisningsform

    Normal

  • Antal platser

    Ingen begränsning

  • Kursansvarig

    Atsuto Maki <atsuto@kth.se>

  • Lärare

    Atsuto Maki <atsuto@kth.se>

    Giampiero Salvi <giampi@kth.se>

    Örjan Ekeberg <ekeberg@kth.se>

  • Anmälan

    Fullfölj anmälan för kursen på antagning.se via denna anmälningslänk.
    Observera att anmälan måste slutföras på antagning.se genom egen inloggning.

HT19 för Study Abroad Programme (SAP) INSTÄLLD

  • Perioder

    HT19 P1 (7,5 hp)

  • Anmälningskod

    10094

  • Kursen startar

    2019-08-26

  • Kursen slutar

    2019-10-25

  • Undervisningsspråk

    Engelska

  • Studielokalisering

    KTH Campus

  • Undervisningstid

    Dagtid

  • Undervisningsform

    Normal

  • Antal platser

    Ingen begränsning

  • Kursansvarig

    Atsuto Maki <atsuto@kth.se>

  • Lärare

    Atsuto Maki <atsuto@kth.se>

    Giampiero Salvi <giampi@kth.se>

    Örjan Ekeberg <ekeberg@kth.se>

VT20 miVT20 för programstuderande

HT18 SAP för Study Abroad Programme (SAP)

  • Perioder

    HT18 P1 (7,5 hp)

  • Anmälningskod

    10026

  • Kursen startar

    2018-08-27

  • Kursen slutar

    2018-10-26

  • Undervisningsspråk

    Engelska

  • Studielokalisering

    KTH Campus

  • Undervisningstid

    Dagtid

  • Undervisningsform

    Normal

  • Antal platser

    Ingen begränsning

  • Schema

    Schema (nytt fönster)

  • Kursansvarig

    Atsuto Maki <atsuto@kth.se>

  • Lärare

    Atsuto Maki <atsuto@kth.se>

    Giampiero Salvi <giampi@kth.se>

    Örjan Ekeberg <ekeberg@kth.se>

  • Målgrupp

    Endast öppet för studenter från avtalsuniversitet inom programmet SAP.

HT18 mi18h för programstuderande

Lärandemål

Syftet med kursen är att ge studenterna

  • grundläggande kunskaper om de viktigaste algoritmer och teori som utgör grunden för maskininlärning och beräkningsintelligens
  • en praktisk kunskap om maskininlärning algoritmer och metoder

så att de kommer att kunna

  • förklara principer, fördelar, begränsningar såsom överanpassning och möjliga tillämpningar av maskininlärning
  • identifiera och tillämpa lämplig maskininlärningsteknik för klassificering, mönsterigenkänning, optimering och beslutsproblem.

Kursens huvudsakliga innehåll

Kursen vänder sig till studenter på avancerad- och forskarnivå 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 sannolikhetslära som är relevanta för maskininlärning.
Följande ämnen behandlas i detalj:
-närmaste-granne klassificerare
-beslutsträd
-bias och varians trade-off
-regression
-probabilistiska metoder
-Bayesiansk inlärning
-support-vektor maskiner
-artificiella neuronnät
-ensemble metoder
-dimensionalitetsreduktion
-underrumsmetoder.

Behörighet

För fristående kursstuderande krävs 90 högskolepoäng varav 45 högskolepoäng inom matematik och/eller informationsteknik, SF1604 Linjär algebra, samt kurserna SF1625 Envariabelanalys, SF1626 Flervariabelanalys, SF1901 Sannolikhetsteori och statistik, DD1337 Programmering och DD1338 Algoritmer och Datastrukturer eller motsvarande.

Litteratur

Meddelas på kursens hemsida före kursstart.

Examination

  • LAB1 - Laborationer, 3,5, betygsskala: P, F
  • TEN1 - Tentamen, 4,0, betygsskala: A, B, C, D, E, FX, F

Ges av

EECS/Intelligenta system

Kontaktperson

Atsuto Maki (atsuto@kth.se)

Examinator

Atsuto Maki <atsuto@kth.se>

Versionsinformation

Kursplan gäller från och med VT2019.
Examinationsinformation gäller från och med VT2019.