Machine Learning (Q4) ( forår 2008 - 5 ECTS )
Rammer for udbud
-
Uddannelsessprog:
(se under Undervisnings- og arbejdsform)
-
Niveau:
Valgfrit overbygningskursus
-
Semester/kvarter:
Q4 i 2007/2008
-
Timer per uge:
3
-
Deltagerbegrænsning:
-
Undervisningssted:
Århus
-
Hovedområde:
Det Naturvidenskabelige Fakultet
-
Udbud ID:
7907
Formål
Deltagerne vil efter kurset have indsigt i metoder til klassifikation og mønstergenkendelse og praktisk erfaring med implementation af disse metoder. Kursets arbejdsform vil også træne deltagernes evne til at planlægge og gennemføre projekter, og til at formidle og kommunikere faglige problemstillinger.
Obligatorisk program
To programmeringsprojekter
Indhold
Disciplinen machine learning omhandler teknikker til at programmere en computer til at lære ud fra eksempel data. I traditionelle programmer implementeres en række faste regler for hvordan input skal lede til output; i machine learning, derimod, implementeres en række regler for hvordan programmet skal lære at lave sine egne regler for transformation af input til output ud fra eksempler. I situationer hvor transformationsreglerne er komplekse (og ukendte), men hvor store dataset af eksempler er tilgængelige, kan denne tilgang være traditionelle programmer langt overlegen. Dette kursus dækker konkrete algoritmer og teknikker i forbindelse med: Klassifikations- og regressions-problemer, kunstige neurale netværk, skjulte Markov modeller, og EM algortimer.
Læringsmål
Deltagerne skal ved afslutningen af kurset kunne:
-
definere
og
beskrive
grundlæggende problemstillinger inden for klassifikation og mønstergenkendelse.
-
anvende
og
forklare
kendte teknikker til design af algoritmer inden for klassifikation og mønstergenkendelse.
-
implementere
og
evaluere
konkrete algoritmer baseret på kendte teknikker.
Faglige forudsætninger
dADS1+2 og Matematisk Modellering
Underviser
Thomas Mailund og Christian Nørgaard Storm Pedersen
Undervisnings- og arbejdsform
Forelæsninger (2+1t/uge)
Litteratur
Lærebog (Christopher M. Bishop, Pattern Recognition and Machine Learning, Springer, 2006)
Kursushjemmeside
http://www.daimi.au.dk/~cstorm/courses/ML
Udbyder
Datalogisk Institut
Tilmelding til undervisning
http://www.brics.dk/~mis/enrollment.html
Studieordning og bedømmelse
-
Mundtlig, bedømt efter 7-skala med intern censur
Mundtlig eksamen uden forberedelse (20 min)
7-skala, intern censur