ML (NM048B)
Machine Learning*
< 2006/2007 > 04-09-2006 t/m 13-01-2007 () H
omvang
6 ec (168 uur) : 0 uur plenair college, 0 uur groepsgewijs college, 0 uur computerpracticum, 0 uur 'droog' practicum, 0 uur gesprekken met de docent, 0 uur onderling overleg met medestudenten (werkgroepen, projectwerk e.d.), 0 uur zelfstudie
investering
6 ec * 28 u/ec + #std * (1 + 6ec * 0.15 u/student/ec)
inzet tentatief

examinator
afdeling
tijdbesteding

prof. dr. Peter Lucas
sws
175u.

speciale web-site
http://www.mbfys.ru.nl/~wimw/collegeML.html

 

Aan de cursusbeschrijving wordt nog gewerkt. Klik hier voor de beschrijving van vorig jaar, of neem contact op met voor nadere inlichtingen.

Onderwerpen

  • Probability, entropy and inference
  • More about inference
  • Exact inference in graphical models with discrete variables
  • Mixtures of Gaussians, maximum likelihood and clustering
  • More about inference in Bayesian networks and junction trees
  • Some probability distributions, exact marginalization and the Laplace approximation
  • Model comparison and Occam's raisor
  • Monte Carlo Methods
  • Efficient MC Methods + Ising model
  • ICA
  • Variational Methods

Werkvormen

The course is given by prof.dr Bert Kappen and dr Wim Wiegerinck.

  • lectures
  • seminar
  • exercises

Vereiste voorkennis

For AI/computer science students it is highly recommended to to take the course Introduction to Pattern Recognition and the Computational Intelligence course.

Tentaminering

Contact dr Wim Wiegerinck (W.Wiegerinck@science.ru.nl).

Combinatiemogelijkheden

This course is part of the AI master theme in 2006-2007.

Literatuur

The course is mainly based on chapters of Information Theory, Inference and Learning Algorithms from David MacKay. This book can be downloaded from MacKay's web site.


Evaluatie: studentenquêtes ; geen docentevaluatie bekend Rendement: 5 begonnen, echt meegedaan, geslaagd met 1e kans, geslaagd totaal
Q: