NWI-NB062B
Inleiding Machine Learning
Cursus informatieRooster
CursusNWI-NB062B
Studiepunten (ECTS)3
CategorieBA (Bachelor)
VoertaalNederlands
Aangeboden doorRadboud Universiteit; Faculteit der Natuurwetenschappen, Wiskunde en Informatica; Wiskunde, Natuur- en Sterrenkunde;
Docenten
Coördinator
dr. W.A.J.J. Wiegerinck
Overige cursussen docent
Docent
dr. W.A.J.J. Wiegerinck
Overige cursussen docent
Contactpersoon van de cursus
dr. W.A.J.J. Wiegerinck
Overige cursussen docent
Examinator
dr. W.A.J.J. Wiegerinck
Overige cursussen docent
Collegejaar2022
Periode
KW1  (05-09-2022 t/m 06-11-2022)
Aanvangsblok
KW1
Onderwijsvorm
voltijd
Opmerking-
Inschrijven via OSIRISJa
Inschrijven voor bijvakkersJa
VoorinschrijvingNee
WachtlijstNee
Plaatsingsprocedure-
Cursusdoelen
  • De student begrijpt de fundamentele concepten in machine learning, zoals classificatie/regressie; supervised/unsupervised learning; error functies; trainingsfout/validatiefout/testfout/overfitting).
  • De student heeft kennis van een aantal basis machine learning algoritmes  (o.m. naaste-buur classificatie, lineaire regressie) en is in staat deze toe te passen.
  • De student begrijpt het principe van error-functie minimalisatie en  is hiermee  in staat om voor een brede klasse van modellen zoals lineaire modellen en neurale netwerken trainingsalgoritmes af te leiden.
  • De student heeft inzicht in de relatie tussen machine learning en concepten uit de (Bayesiaanse) statistiek en kansrekening, zoals de maximum likelihood schatting en de Bayesiaanse interpretatie van regularisatie.
Inhoud
Dit vak geeft een inleiding in machine learning. We beginnen met de basis concepten en gaan in Python en scikit-learn een aantal bekende algoritmes onderzoeken en toepassen. Vervolgens wordt in meer detail naar de algoritmes gekeken en hoe deze afgeleid kunnen worden. Hierbij wordt een link gelegd met het probabilistisch perspectief. Dit perspectief is zeer generiek en is dominant in het moderne machine learning onderzoek. De cursus geeft een eerste inleiding in dit fascinerende onderwerp. De cursus geeft een eerste inleiding in dit fascinerende onderwerp.

In de cursus komen zowel de theorie (wiskundige modellen, afleidingen) als programmeertools (Python en scikit-learn) voor praktische toepassingen uitgebreid aan bod. Onderwijs over de theoretische aspecten is in de vorm van hoorcolleges en werkcolleges ('sommetjes'). Onderwijs over Python en scikit-learn vooral in de vorm van zelfstudieopdrachten, vraag-en-antwoord sessies en huiswerk programmeeropdrachten. 

Instructional Modes
Hoorcollege; Werkcollege en Computeropdrachten
Niveau

Voorkennis
Lineaire algebra; Calculus; Python (numpy, matplotlib)
Toetsinformatie
Tentaminering bestaat uit een gewogen gemiddelde van schriftelijk examen en computer- en werkcollegeopgaven
Bijzonderheden
De cursus is geschikt voor bachelor studenten natuurkunde of wiskunde. De cursus wordt in de Master fase vervolgd door een college Machine Learning waarin onderwerp verder wordt uitgediept.

Deze cursus past binnen het onderzoeksthema Neurofysica

De cursus wordt in het Engels gegeven.
Aanbevolen materiaal
Boek
Christopher M. Bishop, Pattern Recognition and Machine Learning, Springer. Ebook: https://www.microsoft.com/en-us/research/people/cmbishop/prml-book/ Ebook is gratis te downloaden van deze site

Werkvormen
Computerpracticum

Opmerking
graag zaal waarbij zowel computeropdrachten als werkcollege opdrachten behandeld kunnen worden (met schoolbord)

Cursusgebeurtenis

Exam Q1

Hoorcollege

Resit Q1

Toetsen
Eindresultaat
Weging1
ToetsvormTentamen
GelegenhedenBlok KW1, Blok KW2