Vak: Machine Learning credits: 5
- Vakcode
- ITVB23KMO2
- Naam
- Machine Learning
- Studiejaar
- 2023-2024
- ECTS credits
- 5
- Taal
- Nederlands
- Coördinator
- J.H. de Boer
- Werkvormen
-
- Opdracht
- Toetsen
-
- Machine Learning - Overige toetsing
Leeruitkomsten
- De student kan hedendaagse machine learning modellen en technieken toepassen om complexe data-gedreven vraagstukken op te lossen.
- De student kan specifieke metrieken inzetten om getrainde modellen op hun meritus te beoordelen.
- De student kan een oordeel vellen over data-kwaliteit en kent methoden en techieken om deze kwaliteit te vergroten.
- De student kent de wiskundige onderbouwing van de meest voorkomende machine learning modellen.
Inhoud
Machine Learning is het vakgebied waarin we proberen machines (computers) structuren te laten ontdekken in grote hoeveelheden data. Dankzij de informatie-revolutie in het begin van deze eeuw is dit vakgebied uitgegroeid tot een opwindend, actueel en zeer relevant onderdeel van software engineering.
In deze module gaan we in op de drie pijlers van machine learning: data, modelleren en evaluatie. We bespreken de volledige cyclus van vraagstelling via data en modellen naar mogelijke antwoorden en onderzoeken op welke manier het antwoord verbeterd kan worden. We gaan in op de wiskundige achtergrond van de techniek, waarbij we verschillende modellen helemaal zelf gaan uitprogrammeren. Studenten worden methoden en technieken aangereikt om de kwaliteit van de aangeleverde data te evalueren en waar mogelijk te verbeteren. Ten slotte bespreken we verschillende meer complexe modellen en hun toepassingsmogelijkheden.
Opgenomen in opleiding(en)
School(s)
- Instituut voor Communicatie, Media & IT