IN2160 ¨C Probabilistisk maskinl?ring

Kort om emnet

Emnet gir en fordypning i grunnlaget for maskinl?ring. En rekke ofte brukte maskinl?ringsmetoder og prinsipper for modellvalg beskrives innenfor en enhetlig probabilistisk?og statistisk ramme. Relevante prinsipper fra statistikk, informasjonsteori, beslutningsteori og optimalisering trekkes inn underveis. Du vil f? et bevisst forhold til de enkelte metodenes teoretiske egenskaper og relasjonen mellom ulike l?ringsalgoritmer.

Hva l?rer du?

Etter ? ha tatt emnet:

• kan du forklare hvordan sannsynlighetsteori og usikkerhet er grunnleggende konsepter for sentrale metoder innen maskinl?ring;

• forst?r du kjerneprinsippene bak moderne maskinl?ring, inkludert veiledede og ikke-veiledede l?ringsteknikker og deres matematiske fundament i statistisk l?ringsteori;

• kan du implementere og anvende viktige algoritmer som for eksempel line?r og logistisk regresjon, Gaussiske prosesser, beslutningstr?r og nevrale nettverk;

• kan du formulere problemstillinger matematisk og velge passende modeller og algoritmer for ulike l?ringsoppgaver, med forst?else for modellforutsetninger og induktiv bias;

• har du solid forst?else av konsepter som overtilpasning, regularisering, modellkompleksitet, biasvarians-kompromisset og hvordan probabilistiske kriterier kan brukes til ? evaluere og sammenligne l?ringsalgoritmer;

• kan du forklare sammenhenger mellom ulike algoritmiske tiln?rminger, for eksempel generative og diskriminative modeller, og hvordan de passer inn i det bredere maskinl?ringslandskapet;

Opptak til emnet

Studenter m? hvert semester?s?ke og f? plass p? undervisningen og melde seg til eksamen?i Studentweb.

Studenter p? bachelorprogrammet?Informatikk: maskinl?ring og kunstig intelligens (bachelor)?vil bli prioritet.

Spesielle opptakskrav

I tillegg til generell studiekompetanse eller realkompetanse?m? du dekke spesielle opptakskrav:Matematikk R1 (eller Matematikk S1 og S2)

De spesielle opptakskravene kan ogs? dekkes med fag fra videreg?ende oppl?ring f?r Kunnskapsl?ftet, eller p? andre m?ter. Les mer om spesielle opptakskrav.

Obligatoriske forkunnskaper

IN1000 ¨C Introduksjon til objektorientert programmering

Anbefalte forkunnskaper

Emnet bygger p? grunnleggende kunnskap i matematikk, statistikk og maskinl?ring. Det er sterkt anbefalt ? ha fullf?rt f?lgende emner:

STK-IN1050 ¨C Statistikk for informatikere

MAT1080 ¨C Matematisk grunnlag for maskinl?ring

IN1160 ¨C Introduksjon til maskinl?ring

Undervisning

4 timer forelesning og 2 timer gruppeundervisning.

Det kreves innlevering av obligatoriske oppgaver.?Les mer om krav til innlevering av oppgaver, gruppearbeid og lovlig °ÄÃŻʹÚÌåÓý,»Ê¹Ú×ãÇò±È·Ö under retningslinjer for obligatoriske oppgaver.

Eksamen

4 timer skriftlig digital eksamen. Alle obligatoriske ?velser m? v?re godkjente for ? kunne g? opp til eksamen.

Hjelpemidler til eksamen

Ingen hjelpemidler tillatt.

Karakterskala

Emnet bruker?karakterskala fra A til F, der A er beste karakter og F er stryk. Les mer om?karakterskalaen.

Adgang til ny eller utsatt eksamen

Studenter som dokumenterer gyldig frav?r fra ordin?r eksamen, kan ta?utsatt eksamen i starten av neste semester.

Det tilbys ikke ny eksamen til studenter som har trukket seg under ordin?r eksamen, eller som ikke har best?tt.

Mer om eksamen ved UiO

• Kildebruk og referanser
• Hvordan bruke KI som student
• Tilrettelegging p? eksamen
• Trekk fra eksamen
• Syk p? eksamen / utsatt eksamen
• Begrunnelse og klage
• Ta eksamen p? nytt
• Fusk/fors?k p? fusk

Andre veiledninger og ressurser finner du p? fellessiden om eksamen ved UiO.