Hoppa till huvudinnehållet
Till KTH:s startsida

DD2434 Maskininlärning, avancerad kurs 7,5 hp

En fortsättningskurs i maskininlärning, som ger en breddad och fördjupad introduktion till ämnesområdet.

Information per kursomgång

Termin

Information för HT 2024 mladv24 programstuderande

Studielokalisering

KTH Campus

Varaktighet
2024-10-28 - 2025-01-13
Perioder
P2 (7,5 hp)
Studietakt

50%

Anmälningskod

52222

Undervisningsform

Normal Dagtid

Undervisningsspråk

Engelska

Kurs-PM
Kurs-PM är inte publicerat
Antal platser

Ingen platsbegränsning

Målgrupp

Sökbar för alla studenter från årskurs 3 och för studenter antagna på ett masterprogram, under förutsättning att kursen kan ingå i programmet.

Planerade schemamoduler
[object Object]
Del av program

Kontakt

Examinator
Ingen information tillagd
Kursansvarig
Ingen information tillagd
Lärare
Ingen information tillagd
Kontaktperson

Jens Lagergren (jensl@kth.se)

Kursplan som PDF

Notera: all information från kursplanen visas i tillgängligt format på denna sida.

Kursplan DD2434 (HT 2024–)
Rubriker med innehåll från kursplan DD2434 (HT 2024–) är markerade med en asterisk ( )

Innehåll och lärandemål

Kursinnehåll

  • Grunderna i den probabilistiska metoden.
  • Probabilistisk modellering.
  • Dimensionalitetsreduktion.
  • Grafiska modeller.
  • Dolda Markov-modeller.
  • Förväntansmaximering.
  • Variationsbaserad inferens.
  • Nätverk i variationsbaserad inferens.

Lärandemål

Efter godkänd kurs ska studenten kunna

  • förklara och motivera flera viktiga metoder för maskininlärning
  • redogöra för flera typer av metoder och algoritmer som används i fältet deterministiska inferensmetoder
  • implementera flera typer av metoder och algoritmer som används i fältet utifrån en högnivåbeskrivning
  • utöka och modifiera de metoder som kursen behandlar

i syfte att kunna göra ett examensarbete inom deterministiska inferensmetoder.

Kurslitteratur och förberedelser

Särskild behörighet

  • Kunskaper och färdigheter i programmering, 6 hp, motsvarande slutförd kurs DD1337/DD1310-DD1319/DD1321/DD1331/DD100N/ID1018.
  • Kunskaper i linjär algebra, 7,5 hp, motsvarande slutförd kurs SF1624/SF1672/SF1684.
  • Kunskaper i flervariabelanalys, 7,5 hp, motsvarande slutförd kurs SF1626/SF1674.
  • Kunskaper i sannolikhetsteori och statistik, 6 hp, motsvarande slutförd kurs SF1910-SF1924/SF1935

samt minst en av följande:

antingen

  • Kunskaper i grundläggande maskininlärning, 7,5 hp, motsvarande slutförd kurs DD1420/DD2421/EL2810/EQ2341

eller

  • Kunskaper i högre matematik som är relevant för avancerad maskininlärning, 15 hp, t.ex. motsvarande slutförda kurser SF2940 Sannolikhetsteori och SF2955 Datorintensiva metoder inom matematisk statistik.
  • Kunskaper i grundläggande datalogi, 6 hp, motsvarande slutförd kurs DD1338/DD1320-D1328/DD2325/ID1020/ID1021.
  • Ytterligare färdigheter i självständig programvaruutveckling, 12 hp, från slutförda kurser i datalogi, datateknik eller numeriska metoder med laborativa moment som inte utförs i större grupp än två personer. Dessa kurser är utöver ovan nämnda kurser.

Aktivt deltagande i DD1420/DD2421/SF2940 vars slutexamination ännu inte är Ladokrapporterad jämställs med slutförd kurs.
Den som är registrerad anses vara aktivt deltagande.
Med slutexamination avses både ordinarie examination och det första omexaminationstillfället.

Rekommenderade förkunskaper

För KTH-studenter är den rekommenderade förberedelsen att läsa DD1420.

Även DD2421 och EL2810 godtas som uppfylld särskild behörighet, men det kan då krävas mer tid och ansträngning för att slutföra kursen.

Utrustning

Ingen information tillagd

Kurslitteratur

Ingen information tillagd

Examination och slutförande

När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.

Betygsskala

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

Examination

  • HEM1 - Hemtentamen, 3,5 hp, betygsskala: A, B, C, D, E, FX, F
  • PRO1 - Projektuppgift, 4,0 hp, betygsskala: A, B, C, D, E, FX, F

Examinator beslutar, baserat på rekommendation från KTH:s handläggare av stöd till studenter med funktionsnedsättning, om eventuell anpassad examination för studenter med dokumenterad, varaktig funktionsnedsättning.

Examinator får medge annan examinationsform vid omexamination av enstaka studenter.

Möjlighet till komplettering

Ingen information tillagd

Möjlighet till plussning

Ingen information tillagd

Examinator

Etiskt förhållningssätt

  • Vid grupparbete har alla i gruppen ansvar för gruppens arbete.
  • Vid examination ska varje student ärligt redovisa hjälp som erhållits och källor som använts.
  • Vid muntlig examination ska varje student kunna redogöra för hela uppgiften och hela lösningen.

Ytterligare information

Kursrum i Canvas

Registrerade studenter hittar information för genomförande av kursen i kursrummet i Canvas. En länk till kursrummet finns under fliken Studier i Personliga menyn vid kursstart.

Ges av

Huvudområde

Datalogi och datateknik

Utbildningsnivå

Avancerad nivå

Påbyggnad

Ingen information tillagd

Kontaktperson

Jens Lagergren (jensl@kth.se)

Övergångsbestämmelser

TEN1 ersätts av HEM1 och LAB1 ersätts av PRO1.

Övrig information

Betygskriterier meddelas vid kursstart.

I denna kurs tillämpas EECS hederskodex, se:
http://www.kth.se/eecs/utbildning/hederskodex