Inleiding Machine Learning 2017

Vereiste voorkennis

Linear algebra; Calculus; Kansrekenen

Cursus informatie

Beschrijving

Dit vak geeft een inleiding in machine learning vanuit een probabilistisch perspectief. De probabilistische aanpak is zeer generiek en is momenteel dominant in de robotiek, vision, kunstmatige intelligentie en modellering van de hersenen. Zie Bert Kappen en SNN voor meer informatie over mijn onderzoek.
De cursus geeft een eerste inleiding in dit fascinerende onderwerp en wordt in de Master fase vervolgd door een college Machine Learning waarin dit verder wordt uitgediept.
De cursus is geschikt voor bachelor studenten natuurkunde of wiskunde.

Inhoud

schedule

Leerdoelen

Literatuur

Sheets

Sheets

Exercises

Exercises die met WWW zijn aangeduidt zijn belangrijk voor goed begrip van de stof. De uitwerkingen van deze opgaven zijn op het web te vinden. Deze opgaven tellen niet mee voor het eindcijfer.
Week 1
Week 2
Week 3
Perceptron
Logistic regression with gradient descent
Bishop Ch 2
Bishop Ch 3.3

Weekly exercises should be handed before the Tuesday 14:00 following the exercise class where they are assigned.

Examinering

Het eindcijfer wordt bepaald op basis van het schriftelijke tentamen (3/2) en de (niet WWW) opgaven (1/3). Daarnaast dient voor het schriftelijk tentamen tenminste een 5 worden gehaald.