Applied Machine Learning with Project

Datarepresentasjon: representasjon av ulike datakilder som bilder, lyd og tekst, aktuelle teknikker for prosessering av data.
Unsupervised learning: ulike clustering algoritmer, reduksjon av dimensjoner, og andre aktuelle metoder.
Supervised learning: blant annet logistisk regresjon og forskjellige typer nevrale nettverk.

Kunnskaper:
Kandidaten kan gjøre rede for
- ulike måter å representere data på
- ulike metoder for å gruppere og klassifisere data
- hvilke maskinlæringsmetoder som er hensiktsmessig å bruke ved gitte problemstillinger
- begrensninger ved maskinlæring

Ferdigheter:
Kandidaten kan
- lage fullverdige maskinlæringsløsninger ved hjelp av et rammeverk
- ta i bruk representasjonsalgoritmer som gjør det enklere for maskinlæringsmetoder å gi bedre resultater for et gitt datasett
- velge og tilpasse en maskinlæringsmetode som er aktuell for en gitt problemstilling
- vurdere om maskinlæringsmetoder kan gi gode resultater for en gitt problemstilling med utgangspunkt i et gitt datasett

Generell kompetanse:
Kandidaten skal kunne finne og tilpasse løsninger til nye problemstillinger basert på tidligere anvendelser av maskinlæring.

Forelesninger, øvinger, prosjekt.