Emne - Maskinlæring - TDT4173
TDT4173 - Maskinlæring
Om emnet
Vurderingsordning
Vurderingsordning: Mappevurdering
Karakter: Bokstavkarakterer
Vurdering | Vekting | Varighet | Delkarakter | Hjelpemidler |
---|---|---|---|---|
Metodeoppgave | 35/100 | |||
Prosjekt | 50/100 | |||
Individuell oppgave | 15/100 |
Faglig innhold
Emnet behandler prinsipper og metoder for hvordan datasystemer selv kan oppdatere sin kunnskap og problemløsningsevne. Klassiske metoder for maskinell læring basert på observerte data, samt læring som også utnytter eksisterende kunnskap gjennomgås og analyseres. Hovedvekten legges på symbolprosesserende metoder, der eksplisitte begreper og sammenhenger læres. Andre metoder som omhandles er bl.a. statistiske generaliseringer, tidsserier metoder, ensemble metoder, og dyp læring. Det legges vekt på de enkelte læringsmetoders sterke og svake sider, relatert til ulike mål for læringen. I case-basert resonnering integreres læring og problemløsning ved at konkrete problemer som løses tas vare på og gjenbrukes ved løsning av nye problemer, jfr. CBR-syklusen. Numeriske og kognitive modeller for similaritetsvurdering gjennomgås, og ulike systemarkitekturer diskuteres. Videre behandles metoder der både case-spesifikk og generell kunnskap integreres i lærings- og problemløsningsfasene.
Læringsutbytte
Emnet skal gi en innføring i prinsipper og metoder for hvordan datasystemer kan lære av egen erfaring. Det legges vekt på en fundamental forståelse av maskinlæring generelt, som en bakgrunn for ulike spesifikke metoder. I case-basert resonnering vektlegges forståelsen av hvordan maskinlæring og problemløsning integreres.
Læringsformer og aktiviteter
Forelesninger, gruppearbeid, kollokvier, selvstudium og øvinger.
Mer om vurdering
Mappevurdering er grunnlaget for karakteren i emnet. Mappen inkluderer innlevering av en metodeoppgave (35%), individuell oppgave (vurdering for en annen studentoppgave/quiz/osv) (15%) og et prosjekt (50%). Resultatene for delene er gitt i %, mens hele mappen tildeles bokstavkarakter. I tilfelle studenten får F / Ikke bestått som sluttkarakter, må studenten ta emnet på nytt i sin helhet.
Anbefalte forkunnskaper
Emnene TDT4136 Introduksjon til kunstig intelligens, TDT4171 Metoder i kunstig intelligens eller tilsvarende.
Kursmateriell
Lærebok:
- Tom Mitchell: Machine learning, McGraw Hill, 1997.
- Michael M. Richer and Rosina Weber: Case-Based Reasoning, Springer, 2013.
Utvalgte artikler.
Studiepoengreduksjon
Emnekode | Reduksjon | Fra | Til |
---|---|---|---|
IT3704 | 7.5 | HØST 2008 | |
MNFIT374 | 7.5 | HØST 2008 | |
MNFIT374 | 7.5 | HØST 2008 |
Ingen
Versjon: 1
Studiepoeng:
7.5 SP
Studienivå: Høyere grads nivå
Termin nr.: 1
Undervises: HØST 2021
Undervisningsspråk: Engelsk
Sted: Trondheim
- Industriell økonomi
- Informasjonssikkerhet
- Informatikk
- Psykologi
- Statistikk
- Teknologiske fag
Eksamensinfo
Vurderingsordning: Mappevurdering
- Termin Statuskode Vurdering Vekting Hjelpemidler Dato Tid Eksamens- system Rom *
- Høst ORD Metodeoppgave 35/100 INSPERA
-
Rom Bygning Antall kandidater - Høst ORD Individuell oppgave 15/100 INSPERA
-
Rom Bygning Antall kandidater - Høst ORD Prosjekt 50/100 INSPERA
-
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"