Grunderna inom AI och optimeringstekniker

Kursen består av två delar. Den första delen som omfattar cirka 60% av kursen behandlar grundläggande koncept och paradigmer inom articifiell intelligens och maskininlärning, t.ex. hypotesrum, generaliseringsfel och-begränsningar. I den första delen av kursen ingår också praktiska moment, t.ex. utformning av algoritmer för linjär och logistisk regression samt stödvektormaskiner, och praktiska aspekter på maskininlärning, t.ex. normalisering och korsvalidering. Den andra delen behandlar optimering med och utan bivillkor. Bland annat visas hur stokastisk gradientnedstigning kan användas för optimering utan bivillkor.