Machine Learning (ML) is het vakgebied dat computers de mogelijkheid geeft om te leren van gegevens, vormt de kern van bijna elke wetenschappelijke discipline en de studie van generalisatie (dat wil zeggen, voorspelling) van gegevens is het centrale onderwerp van machine learning . Deze cursus geeft een inleiding op graduaatniveau tot machine learning en een diepgaande dekking van nieuwe en geavanceerde methoden in machine learning, evenals hun onderliggende theorie. Het legt de nadruk op benaderingen met praktische relevantie en bespreekt een aantal recente toepassingen van machine learning, zoals datamining (in Big Data / Data Science, Data Analytics), Natural Language Processing, Computer Vision, Robotics, Bioinformatics en Text and Web data processing. Machine Learning wordt gebruikt in verschillende sectoren, waaronder financiële dienstverlening, olie en gas, gezondheidszorg, marketing en reclame, overheid, internet en internet der dingen.
Deze cursus behandelt een verscheidenheid aan leerparadigma's, algoritmen, theoretische resultaten en toepassingen. Het maakt gebruik van basisconcepten uit kunstmatige intelligentie, informatietheorie, statistiek en controletheorie, voor zover deze relevant zijn voor machine learning. Onderwerpen zijn onder meer: begeleid leren (generatief / discriminerend leren, parametrisch / niet-parametrisch leren, neurale netwerken, ondersteunende vectormachines, beslissingsboom, Bayesiaans leren en optimaliseren); onbewaakt leren (clustering, dimensionaliteitsreductie, kernelmethoden); leertheorie (afwegingen voor bias / variantie; VC-theorie; grote marges); versterkend leren en adaptieve controle. Andere onderwerpen zijn onder meer HMM (Hidden Markov Model), Evolutionary Computing, Deep Learning (With Neural Nets) en het ontwerpen van algoritmen waarvan de prestaties rigoureus kunnen worden geanalyseerd op fundamentele machine learning-problemen.
Een belangrijk onderdeel van de cursus is een groepsproject. Grote opensourcehulpmiddelen die worden gebruikt voor parallel, gedistribueerd en schaalbaar machine learning zullen kort worden behandeld om studenten te helpen bij het doen van de projecten. (4-eenheden) Voorwaarde: Geen.
