Emne - Maskinlæring - TDT4173
TDT4173 - Maskinlæring
Om emnet
Vurderingsordning
Vurderingsordning: Mappe/sammensatt vurdering
Karakter: Bokstavkarakterer
Vurdering | Vekting | Varighet | Delkarakter | Hjelpemidler |
---|---|---|---|---|
Mappe/sammensatt vurdering | 100/100 |
Faglig innhold
Emnet introduserer prinsipper og metoder for automatisert læring i datasystemer. Undervisningen fokuserer på konsepter, teknikker og analysemetoder knyttet til datadrevet læring og generalisering til nye datapunkter. Tidsseriemetoder, ensemblemetoder, dyp læring, statistiske generaliseringer og reproduserbarhet er også inkludert. Det legges vekt på de forskjellige læringsmetodenes styrker og svakheter. Læringsmetoder fra case-based reasoning blir også beskrevet. I tillegg til teoretisk kunnskap gir emnet praktisk veiledning for utvikling av et maskinlæringssystem.
Læringsutbytte
Emnet har som mål å introdusere overordnede prinsipper innenfor maskinlæringsmetoder og gi forståelse av nøkkelelementer for praktisk anvending av maskinlæring.
Læringsformer og aktiviteter
Forelesninger, gruppearbeid, kollokvier og selvstudium.
Mer om vurdering
Emneevalueringen består av to deler. (1) Hver student må først bestå en individuell oppgave (IA) ca. en måned etter kursstart. Hver student kan få et nytt forsøk til å bestå IA, men studenten får et fradrag (-5%) i emnepoengene. Studenter som stryker i IA på begge forsøkene vil få karakteren F eller Ikke bestått. (2) Kun de som består IA kan fortsette til kursprosjektet. Prosjektet vurderes for hele teamet (hvert team består av inntil tre studenter). Prosjektpoengene tilsvarer basispoeng (maks. 100 % og min. 41 %) pluss potensielle prosjektfradrag (fra 0 % til -17 %). Basispoengene er proporsjonale med antallet virtuelle lag (VT) som er beseiret av studentlaget med hensyn til predikasjonsprestasjon. Lærerne og undervisningsassistentene forbereder VT-ene. Hvis et studentlag ikke kan beseire noen VT, vil teammedlemmene mislykkes i prosjektet og dermed kurset. De potensielle fradragene inkluderer en sen innlevering (innen tre dager) og manglende dokumentering av nøkkelkomponenter i maskinlæringspraksis.
Kurspoengene vil til slutt avrundes til bokstavkarakter etter NTNUs standardintervaller. Dersom studenten får F eller Ikke bestått som sluttkarakter, må studenten ta hele emnet på nytt.
Anbefalte forkunnskaper
Emnene TDT4136 Introduksjon til kunstig intelligens, TDT4171 Metoder i kunstig intelligens eller tilsvarende.
Kursmateriell
Lærebøker:
- Tom Mitchell: Machine learning, McGraw Hill, 1997.
- Christopher M. Bishop: Pattern Recognition and Machine Learning, 2006
Utvalgte artikler.
Studiepoengreduksjon
Emnekode | Reduksjon | Fra | Til |
---|---|---|---|
IT3704 | 7.5 | HØST 2008 | |
MNFIT374 | 7.5 | HØST 2008 | |
MNFIT374 | 7.5 | HØST 2008 | |
IMT4133 | 5.0 | HØST 2023 |
Ingen
Versjon: 1
Studiepoeng:
7.5 SP
Studienivå: Høyere grads nivå
Termin nr.: 1
Undervises: HØST 2023
Undervisningsspråk: Engelsk
Sted: Trondheim
- Industriell økonomi
- Informasjonssikkerhet
- Informatikk
- Psykologi
- Statistikk
- Teknologiske fag
Ansvarlig enhet
Institutt for datateknologi og informatikk
Eksamensinfo
Vurderingsordning: Mappe/sammensatt vurdering
- Termin Statuskode Vurdering Vekting Hjelpemidler Dato Tid Eksamens- system Rom *
-
Høst
ORD
Mappe/sammensatt vurdering
100/100
Innlevering
12.11.2023
14:00 -
Rom Bygning Antall kandidater
- * Skriftlig eksamen plasseres på rom 3 dager før eksamensdato. Hvis mer enn ett rom er oppgitt, finner du ditt rom på Studentweb.
For mer info om oppmelding til og gjennomføring av eksamen, se "Innsida - Eksamen"