Maskinlæring for signalbehandling

Grunnleggende metoder for statistisk mønstergjenkjenning/maskinlæring. Veiledet og ikke-veiledet læring. Dype nevrale nettverk, support vector machines, mixture models, skjulte Markovmodeller, Gaussiske prosesser. Design, trening og evaluering av maskinlæringsmodeller. Uttrekking av egenskapsvektorer med anvendelser paa talesignaler. Anvendelser innen taleteknologi, medisinsk signalbehandling og multimedia signalbehandling.

Læringsutbytte Kunnskap: Kandidaten har - god kunnskap om teoretiske og praktiske aspekter ved bruk av statistisk mønstergjenkjenning/maskinlæring - god kunnskap om best practice vedrørende trening av maskinlæringsystemer ved bruk av trening-, validering- og test-data - bred kunnskap om egenskaper ved tale-, medisinske- og multimedia-signaler - bred kunnskap om egenskaputtrekking for en rekke signaltyper Ferdighet: Kandidaten kan - benytte og/eller lage programvare til å trene og evaluere modeller basert påmmetoder fra maskinlæring - evaluere ytelsen til maskinlæringssystemer Generell kompetanse: Kandidaten kan - samspillet mellom basisteknologi og anvendelse i design og utvikling av maskinlæringsystemer - gjennomføre gruppearbeid og rapportering.

Forelesninger, obligatoriske øvinger på datamaskin. Merk: I høstsemesteret 2026 vil hovedlæreren for kurset ha fri. Noen av forelesningene vil kun være tilgjengelige som videoopptak.