Enkeltfag 2.5 ECTS

Avancerede emner indenfor machine learning

Overordnede kursusmål

At introducere deltagerne til nye trends i statistisk signalbehandling og machine learning.

See course description in English

Læringsmål

  • Forstå og anvende avancerede metoder indenfor machine learning
  • Indsamle videnskabelig viden og data indenfor kursets emner
  • Formulere og gennemføre et mini-projekt relateret til et eller flere af kursusemnerne (helst indenfor den studerendes eget PhD projekt)
  • Designe og implementere komplekse machine learning systemer baseret på en analyse af problemstillinger og projektmål
  • Implementere machine learning systemet
  • Evaluere resultaterne af machine learning systemet
  • Vurdere og opsummere miniprojekt-resultater i relation til projektmål, metoder og tilgængelige data
  • Disseminere projektresultaterne i en teknisk rapport

Kursusindhold

Kurset introducerer nye trends og avancerede emner i machine learning. Kurset dækker centrale emner inden machine learning såsom Bayesians parametrisk og ikke-parametrisk inferens, optimering, latent variabel modellering, kernel metoder og deep learning. Kurset består af forelæsninger og øvelser og er efterfulgt af et mini-projekt, der præsenteres i en teknisk rapport. Vi opfordrer studerende til at anvende de metoder, der undervises i på data, der er relevante for deres ph.d.-projekt. Typiske applikationer omfatter: Bio-medicinsk, audio, multimedia, og topic modellering samt collaborative filtering og monitoreringssystemer.

Undervisningsform

Forelæsninger, øvelser, mini-projekt.

Fakultet

Se kurset i kursusbasen

Tilmelding

Sprog
Varighed

3 uger

Institut

Compute

Sted

DTU Lyngby Campus

Kursus ID 02901
Kursustype Ph.d.
Semesterstart Uge 32
Semester slut Uge 34
Dage Man-fre 8:00-17:00
Pris

10.600,00 kr.

Tilmelding