Tillämpad maskininlärning

Kursen kommer att förbereda dig inför kommande studier. Du kommer att få kunskap att analysera och dela upp  problem i mindre och hanterbara delar, samt att arbeta med ett projekt från en preliminär undersökning och planeringsstadium till genomförande, rapportskrivning och presentation.

Kursen omfattar olika studietekniker för att säkerställa att du får ut det mesta av kursen och får en förståelse för hur man skriver rapporter och presenterar innehållet. Kursen täcker också olika typer av planering för projekt, processmodeller och sätt att gå vidare.

Det är avgörande att du kompetensen att driva ett projekt, inklusive tidsplanering, processer, mål osv, hitta information för olika teman, lära sig att bedöma tillförlitligheten av informationen och dokumentera fynden i en rapport. Projektledning och rapportskrivning är också väsentliga i arbetslivet, särskilt när det gäller jobb relaterade till datadrivna projekt.

Kursen kommer att introducera och förbereda dig för programmering. Kursen ger kunskap och färdigheter i mjukvarudesign, algoritmiskt tänkande, olika datastrukturer, loopar, funktioner och filsystem, samt användning av vissa programmeringsbibliotek. Du kommer dessutom lära dig läsa och förstå pseudokod. Du kommer att få kunskap att tillämpa kunskaper för att identifiera variabler, programkontroller, funktioner, in- och utmatning samt samlingar som används vid mjukvaruutveckling.

Denna kurs bygger en grund för programmering med fokus på datadrivna problem. Kursen möjliggör användning av olika externa och inbyggda Python-bibliotek, som så småningom kommer att användas för maskininlärningsapplikationer.

Kursen introducerar begrepp och processer relaterade till principer, metoder, implementeringstekniker och datautvinningsapplikationer med fokus på mönsterupptäckt, klusteranalys, klassificering och regression. Du kommer att får kunskap att förstå vikten av datautvinning inom maskininlärning. Kursen ger också kunskap och praktiska färdigheter för att analysera data och lösa identifierade problem.

Kursen utgör grunderna för maskininlärning och är en viktig del för att i framtiden kunna jobba med det. Den gör det möjligt för studenter att bygga en intuition om vad som händer i data innan de tillämpar maskininlärningstekniker.

Kursen ger kunskap och färdigheter inom databehandling, datastandardisering, feature engineering och feature selection för modellering. Du kommer att få kunskap att studera och förstå datakvalitetsproblem samt färdigheter att länka förbehandling och data. Kursen ger också färdigheter och statistiska tekniker som gör det möjligt för dig att förbereda och formatera data på ett strukturerat sätt.

Denna kurs är relevant för programmet eftersom databehandling är ett väsentligt steg i varje maskininlärningsprojekt. Kursen kommer att ge dig den kunskap och de färdigheter som krävs för att standardisera data så att det är i rätt format för maskininlärningsmodellen, skapa nya egenskaper för att bäst utnyttja informationen i datasetet samt välja de bästa egenskaperna för att förbättra maskininlärningsmodellens resultat.

Kursen ger kunskap om programmering och färdigheter att skapa kod, formatera och manipulera data samt programtestning. Du kommer att lära dig logiska och vetenskapliga tillvägagångssätt för programmering av maskininlärningsapplikationer och att lösa problem i din egen kod.

Denna kurs är relevant för programmet eftersom programmeringsfärdighet är avgörande för många maskininlärningsapplikationer. Kursen kommer att ge dig insikt i de komplexiteter som uppstår vid arbete med olika typer av bibliotek för dataformatering och maskininlärning.

Kursen ger dig kunskap i maskininlärningsalgoritmer för klassificerings-, kluster- och regressionsproblem. Du kommer att lära dig metoder för att förbättra noggrannheten hos maskininlärningsmodeller och för att ytterligare lösa praktiska och teoretiska beräkningsproblem. Kursen ger även färdigheter att studera maskininlärningsmodeller för att utvärdera och optimera applikationer.

Denna kurs är relevant för programmet eftersom den lär dig att välja och tillämpa lämpliga maskininlärningsalgoritmer och verktyg på olika datadrivna verkliga problem. Du kommer också att få praktisk erfarenhet av att designa maskininlärningsverktyg för industriella applikationer.

Kursen ger dig kunskap i styrkor och svagheter hos begrepp och processer inom visualisering av stora datamängder. Du får färdigheter i verktyg och tekniker för olika datatyper. Kursen ger även praktiska färdigheter i att granska, välja och använda visualiseringstekniker för dataset. Du får en förståelse för designprinciper och estetik.

Denna kurs ger dig praktisk kunskap och färdigheter att tolka och presentera resultaten från maskininlärningsanalys av stora datamängder, med lämpliga format och medier, i relevanta sammanhang och på lämpliga detaljnivåer.

Året avslutas med ett större projekt där du får visa upp vad du lärt dig under utbildningen. Du ska lösa uppgiften självständigt eller i team med medstudenter utifrån ett praktiskt problem. Projektet utmanar dig att hitta ett verkligt projekt för att skaffa dig praktisk erfarenhet. Om du inte arbetar med ett verkligt projekt kommer läraren att presentera ett alternativt fallprojekt. Det färdiga projektet kommer sedan att presenteras.

Projektet får dig att tillämpa och kombinera den samlade kompetensen från den första och andra terminen för att visa sin förmåga att slutföra ett större projekt. Du uppmuntras att samarbeta med medstudenter över disciplinerna för att ytterligare finslipa dina samarbetsfärdigheter.