Toegepaste Machine Learning

Applied Machine Learning

Studiewijzer 2018/2019

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

• Literature will be provided in the form of articles and book chapters as needed.

Leerdoelen

• Understand and compare basic machine learning algorithms - including their theoretical underpinning.
• Apply machine learning algorithms in simple scenarios over different datasets.
• 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.
• Evaluate and analyze the results of different algorithms.

Onderwijsvormen

• Hoorcollege
• Werkcollege
• Laptopcollege

Hoorcollege, werkcollege en practicum.

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.
  

Toetsing

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: English
2. Recommended prior knowledge:
   • Understanding of mathematical techniques (probabilities, linear algebra)
   • Familiarity with Python programming language

Contactinformatie

Coördinator

• prof. dr. E. Kanoulas