MLA210 Maskinlæring med eksempler fra teknologi og finans
Studiepoeng:10
Ansvarlig fakultet:Fakultet for realfag og teknologi
Emneansvarlig:Ulf Geir Indahl
Campus / nettbasert:Undervises campus Ås
Undervisningens språk:Norsk
Frekvens:Hvert høstsemester fra og med høsten 2025 (emnet gis ikke våren 2025).
Forventet arbeidsmengde:250 timer
Undervisnings- og vurderingsperiode:Emnet gjennomføres og sensureres i høstparallellen.
Om dette emnet
Lineær algebra og matrisemetoder er grunnleggende for feltene Maskinlæring (ML) og Kunstig Intelligens (AI), og gir det matematiske rammeverket som er nødvendig for mange algoritmer og prosesser. MLA210 fokuserer på matriseteknikker og minste kvadraters metode for mønstergjenkjenning og dataanalyse med eksepler på anvendelser innen teknologi og økonomi. Eksempler på anvendelser er: Tidsserieanalyse, dokumentanalyse, porteføljeoptimering, prosesskontroll, og optimering basert på sammensatte kriterier. Programmeringsspråket Julia blir benyttet for implementering og beregninger.
Dette lærer du
Studentene vil lære både det teoretiske grunnlaget for-, og hvordan implementere de ulike metodene for å gjøre analyse av data fra reelle problemstillinger.
- Undervisningen blir gitt i form av forelesninger, praktiske øvinger og prosjektarbeid.
- Oppgis ved semesterstart.
- Skriftlig eller muntlig eksamen basert på pensum og det obligatoriske prosjektarbeidet.
En muntlig prøve Karakterregel: Bokstavkarakterer A1 Ingen kalkulator, ingen andre hjelpemidler - Sensor bedømmer eksamensbesvarelsen.
- Obligatoriske prosjektoppgaver underveis i semesteret. Regler for bedømming og godkjenning kunngjøres ved semesterstart.
- Timeplansikring mot INF120, MATH113, MATH131
- 4 timer forelesninger pr. uke. 2 timer øvinger pr. uke