Läraktiga system, 7,5 hp
Learning Systems, 7.5 credits
Kurskod: DT8008
Akademin för informationsteknologi
Nivå: Avancerad nivå
Välj kursplan
Fastställd av: Forsknings- och utbildningsnämnden, 2024-09-18 och gäller studenter antagna vårterminen 2025.
Huvudområde med fördjupning
Datateknik, Avancerad nivå, har kurs/er på avancerad nivå som förkunskapskrav. (A1F)Behörighetskrav
Kandidatexamen, eller motsvarande, inom teknikområdet. Kurser i datateknik, datavetenskap och elektroteknik omfattande 90 hp och inkluderande ett självständigt arbete. Kurser i matematik som omfattar 30 hp eller kurser i analys, lineär algebra och transformmetoder. Kursen Teknisk matematik 7,5 hp. Undantag ges för kravet på svenska. Engelska 6.
Kursens inplacering i utbildningssystemet
Kursen ingår som valbar kurs i Civilingenjör i datateknik 300 hp, Masterprogrammet i inbyggda och intelligenta system 120 hp och i Masterprogrammet i informationsteknologi 120 hp samt ges som fristående kurs.
Mål
Kursen syftar till att studenten ska inhämta kunskap och färdigheter inom maskinlärande; läraktiga system, självorganiserande system för klassificering och prediktion.
Efter avslutad kurs ska studenten kunna:
Kunskap och förståelse
- beskriva väsentliga linjära maskinlärande algoritmer
- beskriva väsentliga ickelinjära maskinlärande algoritmer
- beskriva huvudsakliga tillämpningsområden för maskinlärande algoritmer
Färdighet och förmåga
- tillämpa metoder för maskinlärande på verkliga problem
- presentera vetenskapliga resultat inom området läraktiga system
Värderingsförmåga och förhållningssätt
- bedöma när och vilka maskinlärande metoder som är tillämpliga
- analysera och förklara vetenskaplig information inom området maskinlärande
Innehåll
Översikt av maskinlärandemetoder. Översikt av klassificering och prediktion. Översikt över produkter och användningsområden av metoderna. Viktiga aspekter vid maskinlärande och standardlösningar. Genomgång av ett antal olika basmodeller av maskinlärande algoritmer som exempelvis artificiella neuronnät.
Undervisningsspråk
Undervisning
Undervisningen bedrivs genom föreläsningar och i praktiska laborationer. I föreläsningar presenterar föreläsaren vetenskapliga metoder och diskuterar innehållet. Vid laborationerna löses praktiska problem med hjälp av metoderna som presenterats på föreläsningar.
Betygsskala
Examinationsformer
Examinationen sker genom godkända laborationer samt skriftlig tentamen.
2101: Skriftlig tentamen, 5 hp
Fyrgradig skala, sifferbetyg (TH): Underkänd (U), Godkänd (3), Väl godkänd (4), Mycket väl godkänd (5)
2102: Laborationer, 2,5 hp
Tvågradig skala (UG): Underkänd (U), Godkänd (G)
Undantag från angiven examinationsform
Om särskilda skäl finns får examinator göra undantag från angiven examinationsform och medge att en student examineras på annat sätt. Särskilda skäl kan till exempel vara beslut om riktat pedagogiskt stöd.
Kursvärdering
I kursen ingår kursvärdering. Denna är vägledande för utveckling och planering av kursen. Kursvärderingen dokumenteras och redovisas för studenterna.
Kurslitteratur och övriga läromedel
Litteraturlista 2025-01-20 – Tills vidare
Andriy Burkov. The hundred-page machine learning book. 2019. E-book: http://themlbook.com/wiki/doku.php