Hoppa till huvudinnehållet
Till KTH:s startsida Till KTH:s startsida

FJL3380 Teoretiska grunder för maskininlärning 6,0 hp

Kursomgångar saknas för aktuella eller kommande terminer.
Rubriker med innehåll från kursplan FJL3380 (VT 2019–) är markerade med en asterisk ( )

Innehåll och lärandemål

Kursinnehåll

En preliminär struktur ges nedan:

Lecture 1. Introduktion

Lecture 2. PAC ram och empirisk riskminimering

Lecture 3. Koncentrationsskillnader

Lecture 4. Vapnik-Chervonenkis (VC) Teori

Lecture 5. Linjär klassificering och regression

Lecture 6. Regularisering, stabilitet och optimering

Lecture 7. Stöd vektormaskiner och kärnmetoder

Lecture 8. Deep neural nätverk

Lecture 9. Kluster. Cluster validering och algoritmer

Lecture 10. Förstärkningslärning: modellfri vs modellbaserade algoritmer

Lecture 11. Förstärkningslärning: funktion approximation och djup RL

Lärandemål

Efter kursen ska studenten kunna:

• Derivera och applicera de grundläggande teoretiska verktygen som används vid modern maskininlärning

  • Måttkoncentration i sannolikhetsteori
  • Stokastiska optimeringsmetoder
  • VC teori

• Beskriva den historiska utvecklingen av övervakade och oövervakade inlärningsalgoritmer

• Reflektera över fördelarna och nackdelarna med djupt lärande

• Beskriva och förklara grundläggande förstärkningsinlärningsalgoritmer och deras moderna versioner

Kurslitteratur och förberedelser

Särskild behörighet

Ingen information tillagd

Rekommenderade förkunskaper

Ingen information tillagd

Utrustning

N/A

Kurslitteratur

Understanding Machine Leanring: From theory to algorithms, Shalev-Shwartz et al., lecture slides

Examination och slutförande

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

Betygsskala

P, F

Examination

  • EXA1 - Examination, 6,0 hp, betygsskala: P, 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.

Övriga krav för slutbetyg

Godkänt betyg baserat på 72 h hemtentamen och slutprojekt. Projektet består av att läsa några nyhetshandlingar på ett valt ämne, och att skriva en rapport om dem (5 sidor dubbelt kolumnminimum).

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

Denna kurs tillhör inget huvudområde.

Utbildningsnivå

Forskarnivå

Påbyggnad

Ingen information tillagd

Forskarkurs

Forskarkurser på EECS/Reglerteknik