Avancerad probabilistisk maskininlärning
Kursplan, Avancerad nivå, 1RT003
- Kod
- 1RT003
- Utbildningsnivå
- Avancerad nivå
- Huvudområde(n) med fördjupning
- Bildanalys och maskininlärning A1F, Datavetenskap A1F, Matematik A1F
- Betygsskala
- Underkänd (U), godkänd (3), icke utan beröm godkänd (4), med beröm godkänd (5)
- Fastställd av
- Teknisk-naturvetenskapliga fakultetsnämnden, 4 mars 2021
- Ansvarig institution
- Institutionen för informationsteknologi
Behörighetskrav
120 hp inklusive Sannolikhet och statistik, Linjär algebra II, Envariabelanalys, Statistisk maskininlärning, en kurs i flervariabelanalys och en kurs i grundläggande programmering. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)
Mål
Efter godkänd kurs ska studenten kunna:
- diskutera och avgöra om ett ingenjörsmässigt relevant problem går att formulera som ett övervakat (supervised) eller oövervakat (unsupervised) maskininlärningsproblem, och i så fall göra denna formulering.
- redogöra för likheter och skillnader (såväl praktiska som teoretiska) mellan probabilistiska och "klassiska" maskininlärningsmetoder.
- redogöra och motivera ett probabilistiskt angreppssätt, samt kunna tolka och förklara resultat från probabilistiska maskininlärningsmetoder.
- analysera, implementera och använda de probabilistiska modeller och metoder som ingår i kursen.
- analysera, implementera och använda metoder för icke-linjär dimensionsreduktion.
- kritiskt granska och ge konstruktiv kritik på andra studenters texter om maskininlärning.
Innehåll
Detta är en fortsättningskurs i maskininlärning med fokus på moderna probabilistiska/Bayesianska modeller: Bayesiansk linjär regression, grafiska modeller, Gaussiska processer och variationsautoenkoder, samt metoder för att göra exakt och approximativ inferens i dessa modeller: Monte Carlo metoder, momentmatchning och variationsinferens. Sannolikhetsteori.
Undervisning
Föreläsningar, lektioner (både med och utan dator), laboration, återkoppling på skriftliga uppgifter.
Examination
Skriftligt prov (4,5 hp). Muntlig och skriftlig redovisning av uppgifter samt skriftlig opposition på andras skriftliga uppgifter (3 hp).
Om särskilda skäl finns får examinator göra undantag från det angivna examinationssättet och medge att en student examineras på annat sätt. Särskilda skäl kan t.ex. vara besked om särskilt pedagogiskt stöd från universitetets samordnare för studenter med funktionsnedsättning.
Övriga föreskrifter
Kursen kan ej ingå i samma examen som 1RT705 Avancerad probabilistisk maskininlärning.