Maskininlärning 2D1431

Välkommen till kursen i Maskininlärning, 2D1431, Hösten 2005.

Information about the course in English

Maskininlärning handlar om hur datorprogram automatiskt kan förbättra sitt beteende genom att utnyttja sina tidigare erfarenheter. Ämnet ligger i gränslandet mellan artificiell intelligens, statistik, informationsteori, biologi och reglerteknik. Målet med denna kurs är att ge grundläggande kännedom om de teorier och algoritmer som används inom området.

Lärare

Kurslitteratur

Kursbok:
Mitchell: Machine Learning
McGraw-Hill, 1997
ISBN: 0-07-115467-1
Artikel om Adaboost:
R.E. Schapire. A brief introduction to boosting. In Proceedings of the Sixteenth International Joint Conference on Artificial Intelligence, 1999.
Artikel om Bagging:
J.R. Quinlan. Bagging, boosting, and C4.5 In Proceedings of the Thirteenth National Conference on Artificial Intelligence and the Eighth Innovative Applications of Artificial Intelligence Conference, pages 725-730, Menlo Park, August 4-8 1996, AAAI Press / MIT Press

Undervisning

Undervisningen sker i form av föreläsningar samt handledning i samband med laborationerna. Föreläsningarna ges på svenska.

Bilder från föreläsningarna

Introduktion Utskriftsvänlig För skärmen
Begreppsinlärning Utskriftsvänlig För skärmen
Beslutsträd Utskriftsvänlig För skärmen
Artificiella Neuronnät Utskriftsvänlig För skärmen
Bayesianska tekniker Utskriftsvänlig För skärmen
Bagging och Boosting Utskriftsvänlig För skärmen
Exempelbaserad inlärning Utskriftsvänlig För skärmen
Belöningsbaserad inlärning Utskriftsvänlig För skärmen
Genetiska algoritmer Utskriftsvänlig För skärmen
Lärbarhetsteori Utskriftsvänlig För skärmen
Regelinlärning Utskriftsvänlig För skärmen
Sammanfattning Utskriftsvänlig För skärmen

Labbanvisningar

Bokning av labbredovisningstider gör du genom vårt webbaserade bokningssystem.

Obligatoriska moment

Ordinarie tentamen gick Lördagen den 17 december kl 08:00 - 13:00 i salarna D32-35

Omtentamen går Torsdagen den 8 Juni kl 08:00 - 13:00 i sal D35. Ingen förhandsanmälan behövs.

Exempel på hur tentan kan komma att se ut får du genom att titta på förra årets tenta, eller på tentan från året innan.

Labbar redovisade senast vid motsvarande schemalagda labbtillfälle ger bonuspoäng till tentan. Bonuspoängen påverkar inte godkäntgränsen, men läggs till tentapoängen när betyget ska beräknas. Maximal bonuspoäng (alla labbar redovisade i tid) ger fyra bonuspoäng (sex poäng motsvarar ett betygssteg).

Kursanalys

En analys av förra kursomgången finns här. Den baseras delvis på dessa enkätsvar.