Maskininlärning
Kurs, Avancerad nivå, 2ST129
Hösten 2023 Hösten 2023, Uppsala, 50 %, Campus, Engelska
- Studieort
- Uppsala
- Studietakt
- 50 %
- Undervisningsform
- Campus
- Undervisningstid
- Dag
- Studieperiod
- 2 november 2023–14 januari 2024
- Undervisningsspråk
- Engelska
- Behörighet
-
120 hp inklusive 90 hp statistik", alternativt 120 hp inklusive 60 hp statistik samt 30 hp matematik och/eller datavetenskap. 7,5 hp programmering i R, Python eller Julia.
- Urval
-
Högskolepoäng (max 285 hp)
- Avgifter
-
Du som inte är medborgare i ett EU-/EES-land eller Schweiz måste betala anmälnings- och studieavgift.
- Studieavgift, första inbetalningen: 12 500 kr
- Studieavgift, totalt: 12 500 kr
- Sista anmälningsdag
- 17 april 2023
- Anmälningskod
- UU-26605
För dig som är antagen eller reserv
- Registreringsperiod
- 27 juli 2023–27 augusti 2023
- Information om registrering
Hösten 2024 Hösten 2024, Uppsala, 50 %, Campus, Engelska
- Studieort
- Uppsala
- Studietakt
- 50 %
- Undervisningsform
- Campus
- Undervisningstid
- Dag
- Studieperiod
- 6 november 2024–19 januari 2025
- Undervisningsspråk
- Engelska
- Behörighet
-
120 hp inklusive 90 hp statistik", alternativt 120 hp inklusive 60 hp statistik samt 30 hp matematik och/eller datavetenskap. 7,5 hp programmering i R, Python eller Julia.
- Urval
-
Högskolepoäng (max 285 hp)
- Avgifter
-
Du som inte är medborgare i ett EU-/EES-land eller Schweiz måste betala anmälnings- och studieavgift.
- Studieavgift, första inbetalningen: 12 500 kr
- Studieavgift, totalt: 12 500 kr
- Sista anmälningsdag
- 15 april 2024
- Anmälningskod
- UU-26605
För dig som är antagen eller reserv
Om kursen
Kursen är en bred introduktion till maskininlärning och introducerar övervakad, oövervakad och förstärkningsinlärning. Kursen behandlar grundläggande koncept inom maskininlärning såsom tränings-, validerings- och testdata, korsvalidering, slumpmässig nedstigning med gradientmetoden, sammanläggningsmetoder, (framåtmatande, faltade, och transformerande) neuronnät, probabilistiska mixturmodeller, (variations-) autoencodning och banditalgoritmer. Dessa metoder och algoritmer studeras både teoretiskt och praktiskt genom löpande datorövningar och ett mindre projekt.
Litteraturlista
Litteraturlista saknas.