[Forside] [Hovedområder] [Perioder] [Udannelser] [Alle kurser på en side]
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.
To programmeringsprojekter
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.
Deltagerne skal ved afslutningen af kurset kunne:
Thomas Mailund og Christian Nørgaard Storm Pedersen
Forelæsninger (2+1t/uge)
Engelsk
Lærebog (Christopher M. Bishop, Pattern Recognition and Machine Learning, Springer, 2006)
http://www.daimi.au.dk/~cstorm/courses/ML
Marts/april, reeksamen foregår efter aftale med underviseren
Datalogisk Institut & Center for Bioinformatic
Mundtlig eksamen uden forberedelse (20 min)
7-skala, intern censur