| Course code |
I140802 |
| ECTS Credits |
6 |
| Goals |
Efter avslutad kurs behärskar studerande olika algoritmer från maskininlärning och kan implementera och utvärdera dessa i Matlab, Octave och/eller Python.
|
| Contents |
Kursen behandlar olika metoder för att utvinna användbar information från data. Algoritmer som behandlas i kursen är
– Linjär regression med en och flera variabler
– Numerisk optimering med gradient descent
– Överanpassning och regularisering
– Olinjära modeller med artificiella neurala nätverk
– Logistisk regression och klassificering för två och flera klasser
– Neurala nätverk tillämpat på klassificiering
– Spam klassificering
– Oövervakad inlärning
– K-medelvärdeskluster
– Principalkomponentanalys (Principle Component Analysis)
– Detektera avvikelser
– Rekommendationssystem
– Reinforcement learning
I kursen utnyttjas genomgående MATLAB och eller Octave för att implementera olika algoritmer. Strävan är genomgående att vektorifiera koden genom att i mån av möjlighet utnyttja matriser och linjär algebra.
|
| Grading scale name |
1-5 (för betygssättning)
|
| Vocational education and training |
Informationsteknik
|
| Degree program |
Utbildningsprogrammet för informationsteknik
|
| Descriptive assessment |
Inlämningsuppgifter och tent
Bedömningskriterier:
I kursen tillämpas de allmänna bedömningsanvisningarna för Högskolan på Åland. Som precisering av de tre
nivåer som beskrivs i bedömningsanvisningarna gäller:
• Tillfredsställande insikter (1-2) kräver att den studerande förstår kursens centrala innehåll och kan tillämpa
sina kunskaper på ett självständigt sätt
• Goda insikter (3-4) kräver att den studerande dessutom kan analysera sina kunskaper i ämnet och sätta dem
i samband med kunskaper på andra områden.
• Utmärkta insikter (5) kräver en mycket god förmåga att tillämpa kunskaperna i ämnet i skiftande
sammanhang och analytiskt kunna hantera kunskaperna och relatera dem till nya kunskaper.
Konstruktiv aktivitet under kursen kan höja vitsordet med ett siffervärde utöver övrig examination.
|
| Material |
Eget material tillgängligt via kursens hemsida.
Manualer och resurser på internet.
Lecture notes available through the homepage of the course.
Manuals and other online resources.
|
| Prerequisite |
Godkänt vitsord i kurserna Programmering 1 och Datastrukturer och algoritmer
Passed degree in the courses ”Programmering 1” and ”Datastructures and alghoritms”
|
| Documentation |
Kursvitsord noteras i studiekort. 1-5 (Vid validering används vitsordet Godkänd).
Passed grade will be noted in the study card, 1-5.
For validation the grade G, pass, will be used.
|
| Teaching methods |
Föreläsningar varvade med interaktiva demonstrationer, exempel, laborationer och projektuppgift.
Lectures with interactive demonstrations, examples and assignments.
|