Utbildningens mål

Masterprogram, maskininlärning (TMAIM), Utbildningsplan för kull HT2018

Senast ändrad: 2018-12-19
Godkänd: 2018-12-19

Maskininlärning är den gren av datalogin som går ut på att få datorsystem att lära sig från stora mängder exempel, liknande den inlärningsstrategi biologiska system (som människor) har. På senare tid har maskininlärning har fått en allt större betydelse vid behandling av stora mängder vetenskaplig data och vid design av sökmotorer, robotar och sensorsystem.

Masterprogrammet i maskininlärning fokuserar på maskininlärningens matematiska grunder och metoder med tillämpningen av dem för vissa tillämpningsområden. Dessa tillämpningsområden inkluderar ämnen som datorseende, talkommunikation, robotik, informationshämtning och/eller beräkningsbiologi.

Dessutom gäller högskoleförordningens mål för masterexamen.

Kunskap och förståelse

En master i maskininlärning ska kunna:

  • förmedla god kunskap om matematiska metoder för maskininlärning, samt hur dessa metoder tillämpas inom olika tillämningsområden.
  • förstå olika maskininlärningsproblem tillräckligt bra för att kunna välja ut och tillämpa lämpliga maskininlärningsmetoder som löser dem
  • formulera och närma sig nya problem inom maskininlärning på ett vetenskapligt, kreativt och systematiskt sätt.

Färdigheter och förmågor

En master i maskininlärning ska kunna:

  • utarbeta lösningsstrategier för olika maskininlärningsproblem och förstå styrkorna och svagheterna hos olika metoder och verktyg,
  • arbeta effektivt i grupper av människor med olika vetenskaplig och teknisk bakgrund,
  • kommunicera med forskare, utvecklare och ingenjörer på ett kompetent sätt, både muntligt och skriftligt,
  • följa och delta i forskning och utveckling inom antingen perception och kognition eller informationssökning.

Värderingsförmåga och förhållningssätt

En master i maskininlärning ska kunna:

  • kritiskt bedöma ett problem och på ett oberoende sätt finna den information och kunskap som behövs för att bilda sig en kvalificerad uppfattning,
  • formulera och närma sig nya maskininlärningsproblem på ett vetenskapligt sätt: kreativt, kritiskt och systematiskt,
  • identifiera behov av ytterligare kunskap inom området och ta ansvar för att hålla sin egen kunskap uppdaterad.

Härutöver gäller de liknande mål för masterexamen som definieras i högskoleförordningen.