Emne - Maskinlæring - TDT4173
Maskinlæring
Om
Om emnet
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 |
|---|---|---|
| IT3704 | 7,5 sp | Høst 2008 |
| MNFIT374 | 7,5 sp | Høst 2008 |
| MNFIT374 | 7,5 sp | Høst 2008 |
| IMT4133 | 5 sp | Høst 2023 |
Fagområder
- Industriell økonomi
- Informasjonssikkerhet
- Informatikk
- Psykologi
- Statistikk
- Teknologiske fag