lntroduktion till maskininlärning
7,5 hp

Allmänna uppgifter

Kursen, som ges på distans utan sammankomster, är en fristående kurs.

Kursen ges på engelska.

Fördjupningsnivå

G1F Grundnivå, har mindre än 60 hp kurs/er på grundnivå som förkunskapskrav

Förkunskaps- och behörighetskrav

Syfte

Kursen syftar till att studenten ska utveckla grundläggande kunskaper om begrepp och teoribildningar kring konceptet maskininlärning och dess användning för dataanalys. Vidare syftar kursen till att studenten ska utveckla färdigheter i att implementera ett enkelt maskininlärningsproblem i programkod.

Innehåll

Kursen behandlar:

• Introduktion av maskininlärning
• Historisk sammanfattning av artificiell intelligens (AI)
• Maskininlärningsalgoritmer
• Förbehandling av data och egenskapsextraktion
• Implementering av maskininlärning i Python
• Övervakad maskininlärning
• Artificiella neurala nätverk
• Grundläggande statistik och linjär algebra

Lärandemål

Kunskap och förståelse
Efter genomgången kurs ska studenten kunna

• redogöra för grundläggande begrepp inom maskininlärning (1)
• redogöra för dataförberedelse och egenskapsextraktion (2)
• identifiera vanligt förekommande maskininlärningsmetoder och algoritmer (3)
• identifiera vanligt förekommande program och programverktyg inom maskininlärning (4)
• redogöra för olika matematiska och statistiska begrepp (5).

Färdighet och förmåga
Efter genomgången kurs ska studenten kunna

• implementera maskininlärningsalgoritmer (6)
• använda maskininlärningsprogramvara för att realisera implementeringar av praktiska maskininlärningsapplikationer (7)
• utvärdera resultat från praktiska maskininlärningsproblem (8).

Värderingsförmåga och förhållningssätt
Efter genomgången kurs ska studenten kunna

• utvärdera och välja maskininlärningsalgoritmer för specifika scenarier (9).

Genomförande

Undervisningen sker i form av föreläsningar. Studierna bedrivs via en nätbaserad lärplattform. Kursen förutsätter tillgång till dator med ett Windows 10 operativsystem samt internetuppkoppling.

Examination – prov och former

På kursen som helhet används betygsgraderna Underkänd (U), Godkänd (G) och Väl Godkänd (VG).

Delprov 1 (2,5 hp) Maskininlärning - begrepp.
Individuella nätbaserade examinationer. Lärandemål 1–5 examineras. Betygsgraderna U, G och VG tillämpas.

Delprov 2 (5 hp) Maskininlärning - tillämpning.
Individuell skriftlig och muntlig hemtentamen. Lärandemål 5-9 examineras. Betygsgraderna U, G och VG tillämpas.

För betyget Godkänd på hela kursen krävs minst betyget Godkänd på båda delproven. För betyget Väl Godkänd krävs därutöver betyget Väl Godkänd på båda delproven.

För båda delproven äger studenten rätt att examineras vid högst 2 examinationstillfällen per läsår. Begränsningen införs på grund av att momenten kräver betydande extraresurser för att kunna genomföras.

Högskolans regler för examination finns att läsa på www.hkr.se/student.

Om studenten har en rekommendation från HKR om särskilt pedagogiskt stöd på grund av funktionsnedsättning, har examinator, eller den examinator utser, rätt att ge en anpassad examination eller låta studenten genomföra examinationen på ett alternativt sätt.

Kursutvärdering

Kursutvärdering sker i enlighet med av Högskolan utfärdade riktlinjer.

Beslut

Fastställd av Fakultetsnämnden för naturvetenskap 2024-01-22. Giltig från och med 2024-09-02.

Övergångsbestämmelser

Student antagen enligt denna kursplan äger rätt att examineras enligt densamma ett (1) år efter att kursplanen upphört att gälla, dvs. ersatts av en ny eller blivit nedlagd. För student som inte har fullföljt kurs med godkänt resultat ett år efter att dess kursplan upphört att gälla kan, inom ytterligare två år och efter prövning av examinator, ges möjlighet till förnyade examinationstillfällen i enlighet med kursplan som innehållsligt kan bedömas som näraliggande och där examination kan genomföras utan att det innebär mer än marginell ökning av de resurser som förbrukas. Efter dessa ytterligare två år kan studenten endast erhålla intyg på avklarade delprov.