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
at forstå avancerede metoder inden for maskinlæring til design af intelligente systemer
at analysere deres anvendelighed og virkning ved løsning af specifikke opgaver
Undervisningen tilrettelægges i henhold til de generelle undervisningsformer for uddannelsen jf. § 17.
Det forventes at den studerende bruger 30 timer per ECTS, hvilket for denne aktivitet betyder 150 timer.
Prøvens navn | Maskinlæring |
Prøveform | Skriftlig eller mundtlig |
ECTS | 5 |
Bedømmelsesform | 7-trins-skala |
Censur | Intern prøve |
Vurderingskriterier | Vurderingskriterierne er angivet i Universitetets eksamensordning |
Kontakt: Studienævn for datalogi via cs-sn@cs.aau.dk eller 9940 8854
Engelsk titel | Machine Learning |
Modulkode | DSNDATFK213 |
Modultype | Kursus |
Varighed | 1 semester |
Semester | Forår
|
ECTS | 5 |
Undervisningssprog | Dansk og engelsk |
Tomplads | Ja |
Undervisningssted | Campus Aalborg |
Modulansvarlig |
Studienævn | Studienævn for Datalogi |
Institut | Institut for Datalogi |
Fakultet | Det Teknisk Fakultet for IT og Design |