null Machine Learning

Machine Learning

  • Informatica
  • IM1002
  • 5 EC
  • Vanaf € 384
  • Voor dit product gelden ingangseisen
Deze cursus heeft een vast startmoment. Kijk in het Jaarrooster wanneer de cursus van start gaat en wanneer de begeleiding is ingeroosterd.



Inhoud

Deze cursus behandelt verschillende paradigma’s uit de machine learning zoals supervised, unsupervised en reinforcement learning. Voor elk van die paradigma’s worden relevante concepten, technieken en technologieën zowel theoretisch als praktisch behandeld in een data-georiënteerde aanpak. Specifiek worden de onderliggende wiskundige eigenschappen voor leeralgoritmen uitgelegd om te begrijpen hoe nauwkeurige en efficiënte ML-modellen kunnen worden ontworpen. De cursus richt zich verder op het creëren van de academische vaardigheden die nodig zijn om ML-modellen toe te passen, te wijzigen, te creëren, en te optimaliseren voor verschillende maatschappelijk relevante problemen. Ten slotte behandelt de cursus relevante ethische en sociale aspecten van ML-modellen, d.w.z. interpreteerbaarheid om ervoor te zorgen dat de beslissingen die bij het ontwerpen van de modellen worden genomen en de resultaten van de modellen voor anderen begrijpelijk zijn.

Leerdoelen
Na het bestuderen van de cursus kun je:
- de fundamentele/onderliggende principes van ML karakteriseren die worden gezien als optimalisatieproblemen in de context van data, en weet je verschillende subgroepen te onderscheiden zoals supervised, unsupervised, en reinforcement learning met de juiste terminologie,
- voor een gegeven probleem de juiste methodologie en technieken kiezen teneinde een empirische experimentele opzet te construeren waarbinnen met de juiste keuze van modelopzet, dataprocessingstappen, en ML-methoden een oplossing wordt gezocht,
- een uitgewerkte experimentele opzet bouwen met behulp van beschikbare datasets, ML-codebibliotheken, en met ondersteuning van relevante wetenschappelijke literatuur,
- ML-gebaseerde oplossingen evalueren met behulp van geschikte evaluatiemetrieken, resultaten relateren aan de oorspronkelijke vraagstelling, en oplossingen onderling vergelijken op basis van objectieve criteria,
- de noodzaak van interpreteerbaarheid van ML begrijpen en uitleggen, en heb je kennis van en inzicht in de verschillende manieren om met technieken, zoals datavisualisatiemethoden, en uitkomsten die noodzaak inzichtelijk maken,
- een ML-experiment op een wetenschappelijke manier schriftelijk presenteren met bijbehorende rapportageformuleringen betreffende het ontwerp, de gemaakte keuzes, de experimentele opzet, de verkregen resultaten en de conclusies, en weet je dat proces in te bedden in de wetenschappelijke literatuur.

Ingangseisen

Aanmelden is alleen mogelijk voor opleidingsstudenten die formeel zijn toegelaten tot de masteropleiding Artificial Intelligence of de masteropleiding Computer Science.

Aanmelden

Aanmelden is alleen mogelijk voor studenten die formeel zijn toegelaten tot de masteropleiding.

Toelichting aanmelden

Deze cursus start 18 november 2024. We adviseren om uiterlijk zondag 3 november 2024 hiervoor aan te melden zodat je tijdig het eventuele cursusmateriaal ontvangt, toegang hebt tot de leeromgeving en (indien van toepassing) ingedeeld kunt worden in een studiegroep. Bij aanmelding na 3 november 2024 kunnen we dit niet garanderen. Aanmelden is mogelijk tot en met 17 november 2024.

Begeleidingsvorm

Deze cursus heeft een vast startmoment. Kijk in het Jaarrooster wanneer de cursus van start gaat en wanneer de begeleiding is ingeroosterd.

De cursus kent een startbijeenkomst en vier bijeenkomsten gedurende het kwartiel.

Begeleidingsbijeenkomsten


Online-bijeenkomsten
Kwartiel 2 - begeleider: mw.dr. C. Maathuis
1. ma 09-12-2024 / 19.00-21.00 uur
2. ma 16-12-2024 / 19.00-21.00 uur
3. ma 19-12-2024 / 19.00-21.00 uur
4. do 09-01-2025 / 19.00-21.00 uur
5. do 16-01-2025 / 19.00-21.00 uur
6. do 23-01-2025 / 19.00-21.00 uur

Tentamenvorm

Digitaal groepstentamen met meerkeuzevragen en open vragen en een opdracht.

Tentamentoelichting

U dient zelf tijdig aan te melden voor een tentamen.

Tentamendata

Digitaal groepstentamen: 05-02-2025 19:00, 24-04-2025 14:00, 26-08-2025 19:00.
Opdracht: volgens afspraak.

Tentamenhulpmiddelen

Tekstboek Alpaydin: 'Introduction to Machine Learning' ('schoon')
Tekstboek Grus: 'Data Science from Scratch' ('schoon')
Het online woordenboek
Het online woordenboek t.b.v. ANS

Cursusmateriaal

Deze cursus maakt gebruik van een studiegids gekoppeld aan het theoretische boek en het praktische boek, ondersteunende artikelen en links met repositories die open datasets en relevante broncodevoorbeelden bevatten, zoals Kaggle, Reddit, DataGov, DataWorldBank, GitHub enzovoort.

Digitale leeromgeving

Als student kun je via de cursussite in de online leeromgeving naar de discussiegroepen. Hier kun je met medestudenten en begeleiders informatie uitwisselen en discussiëren over de leerstof.