Introduktion til machine learning

• Forklare de vigtigste trin der er involveret i datamodellering fra forberedelse af data, modellering af data til evaluering og formidling af resultaterne.
• Diskutere centrale machine learning begreber som featureudtrækning, kryds-validering, generalisering og overindlæring, prædiktion, curse of dimensionality og bias-varians tradeoff.
• Matche praktiske problemer til standard datamodelleringsproblemer såsom dimensionalitetsreduktion, regression, klassifikation, tæthedsestimering og gruppering (clustering).
• Forklare hvordan relevante machine learning metoder virker.
• Beskrive forudsætninger, begrænsninger og styrker af relevante machine learning metoder.
• Anvende, modificere, og implementere centrale aspekter af machine learning algoritmer i Python.
• Anvende visualiseringsteknikker og statistik til at evaluere modelpræstationer, identificere mønstre og problemer med data.
• Udvælge, kombinere og modificere datamodelleringsmetoder for at analysere data og formidle resultaterne af analysen.

Struktureret datamodellering.
Dataforbedredelse og featureudtrækning.
Beskrivende statistikker.
Similaritetsmål.
Kostfunktioner (inkl. maximum likelihood).
Optimeringsmetoder til machine learning.
Overindlæring, generalisering, regualisering og bias-varians afvejninger.
Krydsvalidering.
Statistisk evaluering og sammenligning af machine learning modeller.
Visualisering og fortolkning af modeller.
Dimensionalitetsreduktion (inkl. principal komponent analyse).
Klassifikationsmetoder (beslutningstræer, logistisk og multinomial regression, nærmeste nabo, naiv Bayes, feed forward neurale netværk og ensemblemetoder)
Regressionsmetoder (regressionstræer, lineær regression, nærmeste nabo, feed forward neurale netværk og ensemblemetoder)
Gruppering (k-means, hierarkisk gruppering og miksturmodeller).
Tæthedsestimering (kernel baseret tæthedsestimering, Gaussiske miksturmodeller, og EM-algoritmen)
Anomali/outlier-detektion (inkl. tæthedsbaserede metoder).

• 6 – 20 (tirs 13-17)

01001/01002/01003/01004/01005/02402/02403/02002/02101/02102/02525/02631/02632/02633/02692, Grundkursus i lineær algebra og matematisk analyse, kendskab til sandsynlighedsregning eller statistik, kendskab til Python.

Aktiviteterne skifter mellem forelæsninger, opgaveregning og øvelser i Python.

Kurset er et grundlæggende machine learning kursus som er relevant for alle bachelorretninger.