AI og Machine Learning, IT

Machine Learning

Beskrivelse

Om kurset:
Succesfulde virksomheder som Google og Amazon har investeret enorme beløb i machine learning, som de blandt andet bruger til at analysere deres kunders interesser og adfærd for at optimere virksomhedens produkter, processer og markedsføring.

I dette kursus vil du lære at beherske centrale machine learning modeller i Matlab, Python eller R.

Kurset bygger på Danmarks mest populære machine learning kursus og dertil hørende lærebog: "Introduction to Machine Learning and Data Mining" og foregår på engelsk. Underviserne på kurset er Morten Mørup og Mikkel Nørgaard Schmidt, som begge har mere end 10 års forsknings- og undervisningserfaring inden for machine learning.

På dette kursus får du:
- Indsigt i forskellige machine learning-algoritmer, så du med den baggrund kan vurdere, hvilke metoder du skal bruge til at løse forskellige problemstillinger.
- Færdigheder indenfor specifikke emner som modelkonstruktion (feature ekstraktion, dimensionalitetsreduktion, krydsvalidering og modelselektion); superviseret læring (lineær regression, logistisk klassifikation, beslutningstræer, kunstige neurale netværk og ensemblelæring); og ikke-superviseret læring (hierarkisk gruppering, densitetsestimering, miksturmodellering, association mining, og outlier detektion).
- Indsigt i de vigtigste trin inden for machine learning. Fra forberedelse af data, modellering af data, validering og formidling af de opnåede resultater.
- Vores machine learning bog samt adgang til specialudviklede værktøjskasser i Python, Matlab og R, som eksemplificerer og giver mulighed for hurtigt at udvikle, anvende og validere de lærte metoder.
- Mulighed for certificering ved aflevering af en rapport, hvor de lærte metoder anvendes på egne data og problemstillinger.

Læs mere om kurset her (dette er ikke et tilmeldingslink)

Kursusforløb

Kursusstart: 17. maj 2021

Det praktiske

  • Kursusudbyder: DTU - Danmarks Tekniske Universitet
  • ECTS-point: 0
  • Undervisningssprog: Engelsk
  • Udbudt til: Forår
  • Tilmeldingsfrist: 15. april 2021
Tilmelding