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.