Na het volgen van deze cursus kan de student verschillende geavanceerde methoden uit de machine learning beschrijven, zelf implementeren, en de theoretische principes uitleggen waarop ze gebaseerd zijn.
Toetsing
Opdrachten (30% van het eindcijfer), twee toetsen (ieder 35%), minimum cijfer 5,5 om te slagen.
Voorkennis
Bekendheid met machine learning en met de benodigde wiskunde zoals gegeven in KI2V20001 Introduction to Machine Learning.
Ervaring met programmeren in Python
|
|
Deze cursus bouwt voort op het eerstejaarsvak KI2V20001 Introduction to Machine Learning.
Er zullen methoden behandeld worden voor supervised en unsupervised learning, zoals support vector machines, kernelmethoden, en geavanceerde technieken die in deep learning worden gebruikt.
Hierbij zal verder ingegaan worden op de onderliggende theorie, en op de precieze werking van de algoritmes, zoals backpropagation waarmee neurale netwerken getraind worden.
Werkvorm
Hoor- en werkcolleges.
Literatuur
- Simon Rogers & Mark Girolami, "A First Course in Machine Learning", second edition. Chapman and Hall/CRC. Hardback (2016) ISBN 9781498738484, paperback (2020) ISBN 9780367574642, e-book (2016) ISBN 9781315382159.
- aanvullend online materiaal (wordt nader bekend gemaakt).
|
|