Hoppa till huvudinnehållet
Till KTH:s startsida

DD2421 Maskininlärning 7,5 hp

Administrera Om kursen

Information per kursomgång

Välj termin och kursomgång för att se aktuell information och mer om kursen, såsom kursplan, studieperiod och anmälningsinformation.

Termin

Kursplan som PDF

Notera: all information från kursplanen visas i tillgängligt format på denna sida.

Kursplan DD2421 (HT 2024–)
Rubriker med innehåll från kursplan DD2421 (HT 2024–) är markerade med en asterisk ( )

Innehåll och lärandemål

Kursinnehåll

Kursen vänder sig till studenter på avancerad- och forskarnivå i datalogi och liknande fack som ingenjörsvetenskap och statistik. Kursen behandlar frågan hur datorn kan lära sig från tidigare erfarenheter. Den ger en översikt över maskininlärningsområdet och beskriver ett antal inlärningsparadigm, algoritmer, teoretiska resultat och tillämpningar. Kursen behandlar de grundläggande begreppen i statistik, artificiell intelligens, informationsteori och sannolikhetslära som är relevanta för maskininlärning.

Följande ämnen behandlas i detalj:

  • närmaste-granne klassificerare
  • beslutsträd
  • bias och varians trade-off
  • regression
  • probabilistiska metoder
  • Bayesiansk inlärning
  • support-vektor maskiner
  • artificiella neuronnät
  • ensemble metoder
  • dimensionalitetsreduktion
  • underrumsmetoder.

Lärandemål

Efter godkänd kurs ska studenten kunna

  • beskriva de viktigaste algoritmerna och teorin som utgör grunden för maskininlärning och beräkningsintelligens
  • förklara principen för maskininlärning och hur algoritmerna och metoderna kan användas
  • diskutera fördelar med och begränsningar hos maskininlärning för olika tillämpningar

i syfte att kunna identifiera och tillämpa lämplig maskininlärningsteknik för klassificering, mönsterigenkänning, regression och beslutsproblem.

Kurslitteratur och förberedelser

Särskild behörighet

Kunskaper och färdigheter i programmering, 6 hp, motsvarande slutförd kurs DD1337/DD1310-DD1319/DD1321/DD1331/DD100N/ID1018.

Kunskaper i linjär algebra, 7,5 hp, motsvarande slutförd kurs SF1624/SF1672/SF1684.

Kunskaper i flervariabelanalys, 7,5 hp, motsvarande slutförd kurs SF1626/SF1674.

Kunskaper i sannolikhetslära och statistik, 6 hp, motsvarande slutförd kurs SF1910-SF1924/SF1935.

Kurslitteratur

Du hittar information om kurslitteratur antingen i kursomgångens kurs-PM eller i kursomgångens kursrum i Canvas.

Examination och slutförande

När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.

Betygsskala

A, B, C, D, E, FX, F

Examination

  • LAB1 - Laborationer, 3,5 hp, betygsskala: P, F
  • TEN1 - Tentamen, 4,0 hp, betygsskala: A, B, C, D, E, FX, F

Examinator beslutar, baserat på rekommendation från KTH:s handläggare av stöd till studenter med funktionsnedsättning, om eventuell anpassad examination för studenter med dokumenterad, varaktig funktionsnedsättning.

Examinator får medge annan examinationsform vid omexamination av enstaka studenter.

Tentamen är skriftlig.

Examinator

Profile picture Atsuto Maki

Etiskt förhållningssätt

  • Vid grupparbete har alla i gruppen ansvar för gruppens arbete.
  • Vid examination ska varje student ärligt redovisa hjälp som erhållits och källor som använts.
  • Vid muntlig examination ska varje student kunna redogöra för hela uppgiften och hela lösningen.

Ytterligare information

Kursrum i Canvas

Registrerade studenter hittar information för genomförande av kursen i kursrummet i Canvas. En länk till kursrummet finns under fliken Studier i Personliga menyn vid kursstart.

Ges av

EECS/Intelligenta system

Huvudområde

Datalogi och datateknik

Utbildningsnivå

Avancerad nivå

Övrig information

I denna kurs tillämpas EECS hederskodex, se:
http://www.kth.se/eecs/utbildning/hederskodex

Kurserna DD1420 och DD2421 överlappar innehållsmässigt. Kurserna kan inte kombineras.