Modulets indhold, forløb og pædagogik

Formålet med kursusmodulet er at give studerende indsigt i de grundlæggende koncepter knyttet til machine learning, statistisk interferens, data mining og AI-algoritmer i relation til cyber- og computerteknologi

Læringsmål

Viden

• skal have viden om og forståelse af grundlæggende koncepter og metoder inden for supervised og unsupervised learning, herunder regression, klassifikation, klyngedannelse, representation learning og density estimation
• skal have viden om og forståelse af deep learning-algoritmer
• skal have viden om og forståelse af AI og sammenhængen mellem AI og machine learning
• skal have viden om basale koncepter som statistisk interferens, både model- og databaseret
• skal have viden om og forståelse af data mining-koncepter og -teknikker

Færdigheder

• skal have færdigheder i at træffe kvalificerede valg vedr. metoder for supervised og unsupervised learning
• skal have færdigheder i at evaluere valg af forskellig type af neurale netværk og vurdere deres kompleksitet og performance trade-offs
• skal have færdigheder i at anvende og evaluere metoder for statistisk interferens
• skal have færdigheder i at anvende og evaluere metoder for data mining
• skal have færdigheder i at anvende AI i specifikke situationer

Kompetencer

• skal have kompetencer i at anvende algoritmer til supervised og unsupervised learning i nye situationer og evaluere resultaterne
• skal have kompetencer i at anvende forskellige typer af neurale netværk i nye simple situationer
• skal kunne implementere data mining-algoritmer i nye simple situationer samt uddrage og forstå viden og mønstre
• skal kunne anvende redskaber som Python og Hadoop til at implementere algoritmer for machine learning. AI og data mining

Undervisningsform

Jf. beskrivelsen i § 17

Eksamen

Prøver