Praktiska koncept för maskininlärning

Kursen introducerar centrala begrepp som krävs för att hantera grundläggande koncept inom maskininlärning. I kursen presenteras egenskaper som ett dataset måste uppfylla för att maskinlärning ska fungera. I kursen diskuteras förutsättningar som den underliggande distributionen av datasetet behöver uppfylla. Dessutom diskuteras typer av beroenden m.m.
Därefter går kursen vidare och behandlar effekten av en förlustfunktion inom ramen för maskininlärning. Kursen täcker populära förlustfunktioner och tillhörande algoritmer, med särskilt fokus på regression och klassificering.
Slutligen presenteras i kursen olika metoder för att tolka resultat från maskininlärningsalgoritmer.

Fördjupningsnivå: A1N (har endast kurs/er på grundnivå som förkunskapskrav)

Utbildningsnivå: Avancerad nivå

Behörighetskrav: Engelska 6 eller alternativt Engelska nivå 2. Datavetenskap 60 hp (varav 15 hp inom mjukvaruutveckling och Diskret Matematik 7,5 hp) eller tre års yrkeserfarenhet inom informationsteknologisektorn. Motsvarandebedömning kan göras.