Kurs i maskinlæring
Hovedinnhold
Masterstudenter i maskinlæring har obligatoriske kurs Innføring i maskinlæring INF264, Algoritmer INF234, Djuplæring INF265 og Forsterkningslæring INF266 i tillegg til Masteroppgåva i informatikk INF399.
Vi anbefaler følgjande tilleggskurs, avhengig av studentenes interesser:
- INF250 Dataorientert visuell berekning
- INF270 Lineær programmering
- INF271 Kombinatorisk optimering
- INF272 Ikkje-lineær optimering
- INF273 Metaheuristikkar
- INF367 Utvalde emne i kunstig intelligens (se under for tema)
- INF368 Utvalde emne i maskinlæring (se under for tema)
- STAT250 Monte Carlo metodar og Bayesiansk statistikk
- STAT260 Statistisk læring
- AIKI210 Etikk i kunstig intelligens
Følgjande kurs vert undervist av maskinlæringsgruppa ved Institutt for Informatikk:
INF264 Innføring i maskinlæring (haust)
Maskinlæring er ei grein av kunstig intelligens som fokuserar på algoritmar som lar datamaskinar lære frå og forandre åtferd basert på empiriske data. Emnet gjev ei forståing for det teoretiske grunnlaget til maskinlæring samt eit sett av konkrete algoritmar, deriblant beslutningstre, kunstige nevrale nett, bayesiansk læring og støttevektormaskinar. Emnet inkluderar òg programmering og bruk av maskinlæringsalgoritmar på reelle datasett.
Klikk her → INF264
INF265 Djuplæring (vår)
Kunstige nevrale nettverk er fleksible og mektige maskinlæringsmodellar. Moderne djuplæring har hatt stor suksess i å bruke komplekse nevrale nettverk i problem frå ei rekke forskjellige disiplionar. Dette emnet gir ei forståing av det teoretiske grunnlaget som ligg bak nevrale nettverk og djuplæring. I tillegg inkluderer emnet iverksetting av nevrale nettverk-komponentar og nyttig av djuplæring i reelle datasett ved bruk av moderne djuplæringspakkar.
Klikk her → INF265
INF266 Forsterkingslæring (vår)
Forsterkingslæring er eit av hovudparadigma av moderne maskinlæring, kunstig intelligens og robottikk med mange bruksområde innan avgjerdsprosessar og autonome agentar. Dette kurset gjer ein forståing av fundamenta til forsterkingslæring, analyserer klassiske forsterkingslæringsalgoritmar og viser korleis å modellere og løyse praktiske problemstillingar ved hjelp av forsterkingslæring.
Klikk her → INF266
INF367 Utvalde emne i kunstig intelligens
Vår 2025: Anvendt maskinlæring
Høst 2024: Kvantedatamaskin og kvantemaskinlæring
Høst 2023: Kvantedatamaskin og kvantemaskinlæring
Vår 2023: Geometrisk djuplæring
Høst 2022: Naturlig språkbehandling
Vår 2022: Topologisk maskinlæring
Høst 2021: Ontologier og kunnskapsgrafer
Vår 2021: Maskinlæring og samfunnsspørsmål
Vår 2020: Probabilistisk Læring
Klikk her → INF367