Datateknik, avancerad nivå, Maskininlärning del 2

För att bra maskininlärningsmodeller ska kunna tas fram med hjälp av de algoritmer som diskuteras på kursen Introduktion till maskininlärning del I så krävs det att datamaterialet används och förbehandlas på rätt sätt. Förutom detta så kommer du under kursens gång att lära dig mer om de praktiska aspekter kring tillämpning av maskininlärningstekniker på verkliga problem genom att tolka och agera utifrån de resultat som metoden genererat. Dessa inkluderar metoder för attributsextrahering (för att ta reda på vilken del av datamaterialet som är relevant för just ditt problem); avvägning mellan bias och varians (för att ta reda på om du har tillräckligt med data till din modell); flermodellsavvägning (för att kunna kombinera mer än en maskininlärningsmodell); samt andra praktiska rekommendationer. Med hjälp av inhämtad kunskap ska du och övriga kursdeltagare sedan lösa ett klassificeringsproblem och på så vis skaffa er praktisk erfarenhet av att använda maskininlärning.Kursen riktar sig till dig som är yrkesverksam.