Tillämpad maskininlärning

Kursen är obligatorisk inom Applied Data Science, masterprogram (N2ADS).

Kursen kan ingå i följande program:

1. Computer Science, masterprogram (N2COS)
2. Software Engineering and Management, masterprogram (N2SOF)
3. Datavetenskapligt program (N1COS)
4. Matematiska vetenskaper, masterprogram (N2MAT)

Kursen ges även som fristående kurs vid Göteborgs Universitet.

För tillträde till kursen krävs att studenten har en examen på kandidatnivå inom något ämne, eller har minst 90 hp i datavetenskap, software engineering eller motsvarande. Specifikt krävs:

• 7,5 hp programmering,
• 7,5 hp från en introduktionskurs i data science eller AI, t.ex. DIT852 eller DIT405,
• 7,5 hp analys eller matematisk modellering, t.ex. DIT856,
• 7,5 hp sannolikhetsteori, statistik eller matematisk statistik, t.ex. DIT862. Alternativt att studenten har klarat både av dessa följande kurser: DIT847 och DIT278 (eller motsvarande).

Följande kunskapsnivå i Engelska krävs: Engelska 6/Engelska nivå 2 eller motsvarande från ett erkänt internationellt test, t.ex. TOEFL, IELTS.

Kursen ger en inledning till tekniker och teorier inom maskininlärning, med ett fokus på dess praktiska tillämpningar.

Under kursens gång kommer ett urval av ämnen att genomgås inom övervakad (supervised) inlärning, exempelvis linjär klassificering och regression, eller olinjära modeller som neurala nätverk, samt inom oövervakad (unsupervised) inlärning, till exempel klustringsmetoder.

De typiska användningsfallen och begränsningarna hos dessa algoritmer kommer att diskuteras, och deras implementation kommer att undersökas med hjälp av programmeringsuppgifter. Metodologiska frågor som rör utvärdering av maskininlärningsbaserade system kommer också att diskuteras, samt några av de etiska frågor som kan dyka upp när man tillämpar den typen av teknologier.

Det kommer att vara ett starkt fokus på de användningsområden i verkligheten där maskininlärning kan tillämpas. Användningen av maskininlärningskomponenter i praktiska tillämpningar kommer att exemplifieras, och realistiska scenarion kommer att studeras i områden som t.ex. e-kommers, business intelligence, textanalys, bildanalys, eller bioinformatik. Vikten av konstruktion och urval av särdrag, samt deras pålitlighet, kommer att diskuteras.

Efter godkänd kurs ska studenten kunna:

Kunskap och förståelse

• beskriva de vanligaste typerna av maskininlärningsproblem,
• förklara vid vilken typ av tillämpningar som maskininlärning kan användas, samt maskininlärningens begränsningar,
• redogöra för hur maskininlärningsmetoder är beroende av informativ data och särdrag för att kunna tillämpas,
• förklara i stora drag hur olika maskininlärningsmodeller generaliserar utifrån träningsexempel.

Färdigheter och förmåga

• använda ett bibliotek för maskininlärning i en applikationsdomän som är relevant för Data Science-området,
• skriva programkod för att implementera enstaka maskininlärningsalgoritmer,
• tillämpa utvärderingsmetoder för att bedöma kvaliteten hos
  maskininlärningssystem, och jämföra flera olika sådana system.

Värderingsförmåga och förhållningssätt

• diskutera fördelarna och nackdelarna med olika maskininlärningsmodeller utifrån en given tillämpning,
• resonera om vilken typ av information eller särdrag som skulle kunna vara användbara i en maskininlärningsuppgift,
• välja en lämplig utvärderingsmetod för ett maskininlärningsbaserat system och motivera detta val,
• resonera om de etiska frågor som kan uppstå vid tillämpning av maskininlärningsbaserade system.

Föreläsningar, övningar, datorlaborationer.

Undervisningsspråk: engelska

Kursen examineras genom en individuell skriftlig hemtentamen, samt obligatoriska skriftliga inlämningsuppgifter som redovisas genom rapportinlämning, varav vissa kommer genomföras individuellt och andra i grupper om normalt 2-4 studenter.

Försenad inlämning av hemtentamen innebär att lösningen får betyget Underkänd (U), om inte särskilda skäl föreligger. Underkänd hemtentamen omexamineras genom en ny hemtentamen.

Om en student som har underkänts två gånger på samma examinerande moment önskar byta examinator inför nästa examinationstillfälle ska en sådan begäran bifallas om det inte finns särskilda skäl däremot (6 kap. 22 § HF).

Om en student har fått besked om pedagogiskt stöd från Göteborgs universitet med rekommendation om anpassad examination och/eller anpassad examinationsform kan examinator, i det fall det är förenligt med kursens lärandemål och förutsatt att inte orimliga resurser krävs, besluta att bevilja studenten anpassad examination och/eller anpassad examinationsform.

Om en kurs har avvecklats eller genomgått en större förändring ska studenten erbjudas minst två examinationstillfällen, utöver ordinarie examinationstillfälle. Dessa tillfällen fördelas under en tid av minst ett år, dock som längst två år efter det att kursen avvecklats/förändrats. Vad gäller praktik och verksamhetsförlagd utbildning (VFU) gäller motsvarande, men med begränsning till endast ett ytterligare examinationstillfälle.

Om en student har fått besked om att denne uppfyller kraven för att vara student vid Riksidrottsuniversitetet (RIU-student) har examinator rätt att besluta om anpassning vid examination, om detta görs i enlighet med Lokala regler gällande RIU-studenter vid Göteborgs universitet

Delkurser

1. Hemtentamen, 4 hp
   Betygsskala: Mycket väl godkänd (5), Väl godkänd (4), Godkänd (3) och Underkänd (U)
2. Inlämningsuppgifter, 3,5 hp
   Betygsskala: Mycket väl godkänd (5), Väl godkänd (4), Godkänd (3) och Underkänd (U)

På kursen ges något av betygen Mycket väl godkänd (5), Väl godkänd (4), Godkänd (3) och Underkänd (U).

För att få godkänt på kursen måste samtliga obligatoriska moment vara godkända. För att få ett högre betyg (4 eller 5) på hela kursen krävs att båda delkurserna godkänts med minst detta betyg (4 eller 5).

Kursen utvärderas genom möten, både under och efter kursen, mellan lärare och studentrepresentanter. Ett anonymt skriftligt frågeformulär skickas även ut till studenterna efter kursens slut. Resultaten av utvärderingarna används för att förbättra kursinnehållet och som indikation till vilka delar som skulle kunna läggas till, tas bort, förbättras eller ändras.

Kursen är samläst med Chalmers.

Kursen ersätter kursen DIT865, 7,5 hp. Den här kursen kan inte ingå i en examen som innehåller DIT865. Den kan inte heller ingå i en examen som bygger på en annan examen där DIT865 ingår.

Kursen kan inte ingå i en examen där DIT381 ingår.