Informationsteknik – Maskininlärning

Efter avslutad kurs behärskar studerande olika algoritmer från maskininlärning och kan implementera och utvärdera dessa i Octave och/eller MATLAB.

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.

VG, G (för betygssättning)

Informationsteknik

Utbildningsprogrammet för informationsteknik

Övningar och tentamen/projektuppgift.

Assignments and exam/project assignment

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.

Programmering 2

Programming 2

Godkänt vitsord noteras i studiekortet. G eller VG (Vid validering används vitsordet Godkänd).

Passed grade will be noted in the study card. U=Fail, G=Pass. VG=Pass with distinction
For validation the grade G, pass, will be used.

Föreläsningar varvade med interaktiva demonstrationer, exempel, laborationer och projektuppgift.

Lectures with interactive demonstrations, examples and assignments.