Datateknik, avancerad nivå, Maskininlärning, 7,5 högskolepoäng

Computer Science, Machine Learning, Second Cycle, 7,5 Credits

Mål

Mål för utbildning på avancerad nivå

Utbildning på avancerad nivå ska innebära fördjupning av kunskaper, färdigheter och förmågor i förhållande till utbildning på grundnivå och ska, utöver vad som gäller för utbildning på grundnivå,

• ytterligare utveckla studenternas förmåga att självständigt integrera och använda kunskaper,
• utveckla studenternas förmåga att hantera komplexa företeelser, frågeställningar och situationer, och
• utveckla studenternas förutsättningar för yrkesverksamhet som ställer stora krav på självständighet eller för forsknings- och utvecklingsarbete.

(1 kap. 9 § högskolelagen)

Kursens mål

Kunskap och förståelse
Efter slutförd kurs kommer studenten känna till grundläggande begrepp inom maskininlärning och olika maskininlärningsalgoritmer, samt att välja och tillämpa dessa. Dessutom kommer studenten att lära sig utvärdera prestandan hos inlärningssystemen.

Tillämpad kunskap och färdigheter
Efter slutförd kurs kommer studenten kunna förbereda data och tillämpa maskininlärningsmetoder för att uppnå ett lärandemål inom ett intelligent system.

Att göra bedömningar och attityder
Efter slutförd kurs kommer studenten kunna bedöma huruvida en maskininlärningsmodell är lämplig för ett givet problem och tillgänglig data, förstå förmågan och begränsningarna i de övervägda maskininlärningsalgoritmerna och kan identifiera problem eller vilseledande resultat.

Kursens huvudsakliga innehåll

- Grundläggande begrepp och algoritmer för övervakad och oövervakad maskininlärning.
- Användning av maskininlärningsalgoritmer för klassificering, prediktion och klustring.
- Metoder för förbehandling av data, inklusive normalisering, extrahering och urval av attribut, samt dimensionsreducering.
- Praktiska rekommendationer för tillämpning av maskininlärningsalgoritmer.
- Utvärdering och analys av prestanda för maskininlärningsalgoritmer

Studieformer

Undervisning sker i form av föreläsningar, laborationer och seminarier. Både teori och praktiska övningar sker enskilt. All undervisning sker på engelska.

Den som antagits till och registrerats på en kurs har rätt att erhålla undervisning och/eller handledning under den tid som angavs för kurstillfället som den sökande blivit antagen till (se universitetets antagningsordning). Därefter upphör rätten till undervisning och/eller handledning.

Examinationsformer

Laborationer, 4,5 högskolepoäng (Provkod: A001)
Skriftliga laborationsrapporter.

Teori, 3 högskolepoäng (Provkod: A002)
Muntliga presentationer på seminarium.

För studenter med dokumenterad funktionsnedsättning kan universitetet besluta om anpassning av examination eller annan examinationsform.

För ytterligare information se universitetets regler för examination inom utbildning på grundnivå och avancerad nivå.

Betyg

Enligt 6 kap. 18 § högskoleförordningen ska betyg sättas på en genomgången kurs om inte universitetet föreskriver något annat. Universitetet får föreskriva vilket betygssystem som ska användas. Betyget ska beslutas av en av universitetet särskilt utsedd lärare (examinator).

Enligt föreskrifter om betygssystem för utbildning på grundnivå och avancerad nivå (rektors beslut 2019-01-15, ORU 2019/00107) ska som betyg användas något av uttrycken underkänd, godkänd eller väl godkänd. Rektor eller den rektor bestämmer får besluta om undantag från denna bestämmelse för en viss kurs om det finns särskilda skäl.

Som betyg på kursen används Underkänd (U), Godkänd (G) eller Väl godkänd (VG).

Laborationer
Som betyg används Underkänd (U), Godkänd (G) eller Väl godkänd (VG).

Teori
Som betyg används Underkänd (U) eller Godkänd (G).

För ytterligare information se universitetets regler för examination inom utbildning på grundnivå och avancerad nivå.

Kommentar till betyg

För att få VG på hela kursen behöver studenten få VG på samtliga skriftliga laborationsrapporter.

Särskild behörighet och andra villkor

Examen på grundnivå om 180 högskolepoäng med datavetenskap/datateknik som huvudområde och 15 högskolepoäng i matematik (analys och algebra). Alternativt examen på grundnivå om 180 högskolepoäng, varav 30 högskolepoäng i matematik (analys och algebra) samt 15 högskolepoäng i datateknik/datavetenskap (som innehåller programmering). Dessutom krävs Engelska 6/Engelska B.

För ytterligare information se universitetets antagningsordning.

Tillgodoräknande av tidigare utbildning

Student som tidigare genomgått utbildning eller fullgjort annan verksamhet ska enligt högskoleförordningen tillgodoräknas detta som en del av den aktuella utbildningen under förutsättning att den tidigare utbildningen eller verksamheten uppfyller vissa krav.

För ytterligare information se universitetets lokala regler för tillgodoräknanden.

Kurslitteratur och övriga läromedel

Referenslitteratur

Bishop, Christopher M. (2007)
Pattern Recognition and Machine Learning
Springer

Mitchell, Tom M. (1997)
Machine Learning
McGraw-Hill