AU kursuskatalog arkiv

Machine Learning (Q3) Honours Version ( forår 2010 - 5 ECTS )

Rammer for udbud

• Uddannelsessprog: engelsk
• Niveau: Kandidatkursus
• Semester/kvarter: Q3
• Timer per uge: 3
• Deltagerbegrænsning: Ingen
• Undervisningssted: Århus
• Hovedområde: Det Naturvidenskabelige Fakultet
• Udbud ID: 22408

Formål

Deltagerne vil efter kurset have indsigt i metoder til klassifikation og mønstergenkendelse og praktisk erfaring med implementation af disse metoder. Endvidere vil deltagerne efter kurset kunne reflektere over løsninger i aktuelle problemstillinger inden for machine learning samt have erfaring med generalisering af disse til selvstændige problemer. 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 samt fremlæggelse af aktuel forskningsartikel.

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.

De obligatoriske projekter vil omfatte generaliseringer af kendte metoder samt krav til reflektion over disses anvendelighed og egenskaber.

Faglige forudsætninger

Underviser

Thomas Mailund og Christian Nørgaard Storm Pedersen

Undervisnings- og arbejdsform

Forelæsninger (2+1t/uge)

Engelsk (eller dansk)

Litteratur

Lærebog (Christopher M. Bishop, Pattern Recognition and Machine Learning, Springer, 2006)

Kursushjemmeside

http://www.daimi.au.dk/~cstorm/courses/ML

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.
• reflektere over brugen af løsninger i aktuelle problemstillinger inden for machine learning.
• generalisere brugen af løsninger i aktuelle problemstillinger inden for machine learning til selvstændige problemer.

Skemaplacering (forelæsninger)

http://cs.au.dk/studies/computer-science-programme/schedules/  

Eksamensterminer

Marts/april, reeksamen foregår efter aftale med underviseren

Udbyder

Datalogisk Institut & Center for Bioinformatik

Tilmelding til undervisning

http://mit.au.dk

Bedømmelse

• Mundtlig, bedømt efter 7-skala med intern censur
5 xxxxx

Mundtlig eksamen uden forberedelse (30 min)(7-skala, intern censur