Toegepaste Machine Learning

Applied Machine Learning

Studiewijzer 2022/2023

Globale inhoud

The underlying question behind this course is how to algorithmically extract valuable information from raw data. Data Mining is an analytic process designed to explore data in search of consistent patterns and/or systematic relationships between variables, and then to validate the findings by applying the detected patterns to new subsets of data. The technological topics that will be covered in this course are:

• Classification algorithms
• Logistic regression
• Perceptron and neural networks
• Decision trees
• Support vector machines
• Frequent pattern matching
• Clustering algorithms

The course will further focus on the experimental setup that allows the evaluation of the discussed algorithms, along with practical issues such as overfitting, skewed data, etc.  

Studiemateriaal

Literatuur

• * Introduction to Machine Learning with Python http://shop.oreilly.com/product/0636920030515.do
  * [Data Science Handbook](https://github.com/jakevdp/PythonDataScienceHandbook)
      * clone/download and have it locally on your laptop. Free.
   

Leerdoelen

• Explain basic machine learning algorithms - including their theoretical underpinning.
• Compare basic machine learning algorithms
• Apply machine learning algorithms in simple scenarios over different datasets.
• Analyze the results of different algorithms.
• Evaluate the results of different algorithms.
• Identify and give solutions to practical issues raised during the application of machine learning algorithms, such as avoiding overfitting, data normalization, handling skewed data, etc.

Onderwijsvormen

• Hoorcollege
• Werkcollege
• Laptopcollege
• Zelfstudie
• Begeleiding/feedbackmoment

Hoorcollege, werkcollege en practicum, hands sessies, feedback op gemaakte oefeningen en tentamens.

Verdeling leeractiviteiten

Aanwezigheid

Aanwezigheidseisen opleiding (OER-B):

• Voor practica en werkcolleges, met opdrachten, geldt een aanwezigheidsplicht, tenzij anders vermeld in de studiegids. Wanneer studenten niet voldoen aan deze aanwezigheidsplicht kan het onderdeel niet met een voldoende worden afgerond. De aanwezigheidsplicht met betrekking tot hoor-werkcolleges staat, indien van toepassing, vermeld in de studiegids.
  

Aanvullende eisen voor dit vak:

Bij dit vak gelden de aanwezigheidseisen voor de werkcolleges zoals in de OER staan, dat is 95% aanwezig zijn, en dat is afgerond op elk werkcollege aanwezig zijn.

Toetsing

Er zijn 2 deeltoetsen die allebei even zwaar meetellen.

Opdrachten

Zie de modules en assignments op Canvas

Fraude en plagiaat

Dit vak hanteert de algemene 'Fraude- en plagiaatregeling' van de UvA. Hier wordt nauwkeurig op gecontroleerd. Bij verdenking van fraude of plagiaat wordt de examencommissie van de opleiding ingeschakeld. Zie de Fraude- en plagiaatregeling van de UvA: http://student.uva.nl

Weekplanning

Rooster

Het rooster van dit vak is in te zien op DataNose.

Aanvullende informatie

1. Language: Dutch
2. Recommended prior knowledge:
   •   Python programming language
   • jupyter notebooks
   • logica, verzamelingen, statistiek

Contactinformatie

Coördinator

• dr. Maarten Marx

TA's

• Sibilla Bouche
• Mattia Cintioli
• mr. Bryan Fleming
• Emanuele Mezzi