Moderne maskinlæring i praksis

Emnet gir en mer omfattende innføring i prinsippene og teknikkene for maskinlæring (ML) for å utvikle ML-systemer som kan brukes i praksis. Temaer som dekkes inkluderer grunnleggende prinsipper innen ML, moderne prediksjonsmodeller med fokus på ensemble-læring og viktige steg i utviklingsprosessen, inkludert databehandling, utforskende dataanalyse, datarensing, utvikling av dataegenskaper og modellfortolkning. Kurset tar også for seg modellvurdering, reproduksjon, automatisert ML og spesialiserte metoder for tidsseriedata.

Kunnskap: Studentene vil forstå sentrale konsepter, metoder og etiske betraktninger innen maskinlæring som er relevante for å bygge praktiske applikasjoner.

Ferdigheter: Studentene vil kunne bruke eksisterende verktøy for maskinlæring til å forhåndsbehandle data, velge modeller, evaluere ytelse og utvikle applikasjoner for virkelige problemer.

Generell kompetanse: Studentene vil lære å samarbeide i team, anvende maskinlæring på en ansvarlig måte og tilpasse verktøy for å løse praktiske problemer effektivt.

Forelesninger, gruppearbeid, kollokvier og selvstudium.