Matematiska grunder och algoritmer för maskininlärning, 7,5 högskolepoäng

Mathematical Foundations and Algorithms for Machine Learning, 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 avslutad kurs ska den studerande kunna

• redogöra för de centrala matematiska begreppen och algoritmerna i området maskininlärning,
• redogöra för de grundläggande framåtmatade neurala nätverksarkitekturerna, samt
• de centrala algoritmerna inom optimering och regularisering av neurala nätverk.

Färdighet och förmåga
Efter avslutad kurs ska den studerande kunna

• applicera de algoritmer som tas upp på kursen på enkla tillämpade problem, och
• träna enkla nätverksarkitekturer med beaktning av överpassning och regulariseringsstrategier.

Kursens huvudsakliga innehåll

Matematiska grunder för djupinlärning. Framåtmatade neurala nätverk. Backpropagation och automatisk differentiering. Stokastiska gradientmetoder. Regulariseringsmetoder. Linjär regression. Dimensionsreduktion. Principalkomponentsanalys. Estimering av täthetsfunktioner. Klassifikation. Stödvektormaskiner.

Studieformer

Föreläsningar och seminarier via internetbaserade plattformar.
Om kursen endast får ett fåtal registrerade deltagare kan ovan beskrivna undervisningsformer helt eller delvis ersättas av handledning och självstudier.

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

Examination, 7,5 högskolepoäng (Provkod: A001)
Skriftliga inlämningsuppgifter där programmering i Matlab och Python kan förekomma.

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 universitetets föreskrifter om betygssystem för utbildning på grundnivå och avancerad nivå (beslut ORU 2018/00929) ska något av uttrycken underkänd, godkänd eller väl godkänd användas som betyg. För utbildning som ingår i en internationell magister- eller masterutbildning eller i universitetets kursutbud för utbytesstudenter ska betygsskalan A-F användas. Rektor, eller den rektorn bestämmer, får besluta om undantag från denna bestämmelse för en viss kurs om det finns särskilda skäl.

Som betyg på kursen används Underkänd (F), Tillräcklig (E), Tillfredsställande (D), Bra (C), Mycket bra (B) eller Utmärkt (A).

Examination
Som betyg används Underkänd (F), Tillräcklig (E), Tillfredsställande (D), Bra (C), Mycket bra (B) eller Utmärkt (A).

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

Särskild behörighet och andra villkor

Flervariabelanalys, 9 hp eller Flervariabelanalys för civilingenjörer, 7,5 hp, och Optimering, 7,5 hp eller Optimering för civilingenjörer, 7,5 hp, samt Statistik, Statistisk teori, fortsättningskurs, 15 hp eller Matematisk statistik och sannolikhetslära, 7,5 hp.

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.

Övriga föreskrifter

Hela eller delar av kursen kan komma att ges på engelska.

Kurslitteratur och övriga läromedel

Obligatorisk litteratur

Deisenroth, Marc Peter, Faisal, A. Aldo & Soon Ong, Cheng (2019)
Mathematics for Machine Learning
Cambridge University Press
https://mml-book.github.io/book/mml-book.pdf

Goodfellow, Ian, Bengio, Yoshua & Courville, Aaron
Deep learning
MIT press
https://www.deeplearningbook.org/