Fakta om emnet

Studiepoeng:
7.5
Ansvarlig avdeling:
Avdeling for logistikk
Undervisningssemester:
Høst
Undervisningsspråk:
Norsk
Varighet:
½ år

IBE400 Maskinlæring (Høst 2021)

Om emnet

Emnet gjennomgår de viktigste teoriene og teknikkene for maskinlæring som systematisk metode for å analysere store datamengder. Det gir en introduksjon til maskinlæring som er datasystemer som kan lære av egne erfaringer og løse komplekse problemstillinger i ulike situasjoner. Kurset viser hvordan økningen i prosesseringskraft, lagringskapasitet og tilgang på store datamengder (stordata) bidrar til nye anvendelser av maskinlæring, og det gir en innføring i metodene maskinlæring bruker for å analysere stordata, finner mønstre og sammenhenger og lære av disse uten menneskelig innblanding. I øvelsene anvendes maskinlæring basert på reelle datasett fra en modell-bedrift, i kombinasjon med velkjente systemer som brukes i arbeidslivet til slike formål.

Emnet er tilknyttet følgende studieprogram

Anbefalte forkunnskaper

Studentene må ha grunnleggende forkunnskaper i programmering (IBE151) og matematikk (MAT100).

Studentens læringsutbytte etter bestått emne

Studenten skal etter fullført emne:

  • ha oversikt og brukererfaring med beslutningstrær, regresjonsanalyse, ulik bruk av klassifiseringer og klynger, unntaksidentifisering nevrale nettverk og biologisk-inspirert optimering

  • kjenne til utfordringene med bruken av slike teknikker i praksis, og kost-nytte betenkninger med maskinlæring sammenlignet med andre tilnærminger til å løse de samme problemene, deriblant avanserte numeriske tilnærminger

  • beskrive maskinlæringstypene regresjon, klassifisering og rangering

  • gi eksempler på maskinlæringsalgoritmer innen regresjon, klassifisering og rangering

  • beskrive anvendelsesområder for regresjons-, klassifiserings- og rangeringsalgoritmer

  • bruke maskinlæringsalgoritmene i en eller flere av de mest tilgjengelige og mye brukte bibliotekene som er utviklet for dette formålet

Undervisnings- og læringsformer

2 timer forelesninger per uke og 2 timer per uke med oppgaveregning med veiledning av hjelpelærer og faglærer.

Arbeidskrav - vilkår for å avlegge eksamen

Obligatoriske arbeidskrav: 2 oppgaver

Eksamen

Vurderingsform: Skriftlig skoleeksamen
Andel: 100%
Varighet: 4 Timer
Gruppering: Individuell
Karakterskala: Bokstavkarakter
Hjelpemidler: Kun generell ordbok morsmål/norsk/engelsk i papirformat

Pensum

  • Suthaharan, S. (2016). Machine learning models and algorithms for big data classification.

  • http://media.ebook.de/shop/coverscans/251PDF/25161991_lprob_1.pdf

  • Kunstig intelligens og personvern, Rapport, Datatilsynet, januar 2018

  • Introduction to machine learning, Teaching material SAP University Alliances 

  • Pensum kan bli justert før oppstart.

Sist oppdatert fra Felles Studentsystem (FS) 23. mars 2019 21:31:19