Modulets indhold, forløb og pædagogik

Læringsmål

Viden

Centrale modeller inden for maskinlæring samt deres tilhørende lærings- og inferens-teknikker, som f.eks.:

• Statistiske lineære modeller

• Markov kæder og skjulte Markov modeller

• Support Vector machines

• Neurale Net

• Probabilistiske grafiske modeller

• Matrice faktorisering

Anvendelsen af maskinlæringsmetoder inden for udvalgte anvendelsesområder, som f.eks.:

• Web og network mining

• Anbefalingssystemer

• Computer spil

• Billedanalyse  

• Tekst mining   

Færdigheder

• kunne anvende avancerede teknikker fra maskinlæring til konstruktion af intelligente systemer

Kompetencer

• at forstå avancerede metoder  inden for maskinlæring til design af intelligente systemer

• at analysere deres anvendelighed og virkning ved løsning af specifikke opgaver

Undervisningsform

Undervisningen tilrettelægges i henhold til de generelle undervisningsformer for uddannelsen jf. § 17.

Omfang og forventet arbejdsindsats

Det forventes at den studerende bruger 30 timer per ECTS, hvilket for denne aktivitet betyder 150 timer.

Eksamen

Prøver

Yderligere informationer

Kontakt: Studienævn for datalogi via cs-sn@cs.aau.dk eller 9940 8854