Kursöversikt

Hoppa fram till i dag

Teachers

Course responsible and lecturer: Richard Johansson (richard.johansson@gu.se).

Assistant lecturers: Selpi (Länkar till en externa sida.)Länkar till en externa sida., Vilhelm Verendel (Länkar till en externa sida.)Länkar till en externa sida..

Teaching assistants: Chatrine Qwaider (Länkar till en externa sida.)Länkar till en externa sida., Razan Ghzouli, Jin Guo, Natalia Jurczyńska.

Student representatives

TBA.

Assignments

Non-compulsory exercise: Introduction to machine learning in Python (Länkar till en externa sida.)Länkar till en externa sida.

Assignment 1: Reading a scientific paper in applied machine learning  (Länkar till en externa sida.)Länkar till en externa sida.(deadline: February 1)

Assignment 2: Machine learning mini-project (Länkar till en externa sida.)Länkar till en externa sida. (deadlines: February 4, 11 and 15)

Assignment 3: Theory recap

Assignment 4: Classifier implementation

Assignment 5: Classifying images

Assignment 6: Machine learning meets the real world

 

Exercise questions

TBA.

 

Schedule

Date and time Summary Topics Reading

Tue, Jan 22

13:15–15:00, HC1

Lecture [pdf (Länkar till en externa sida.)Länkar till en externa sida.]

[video 1 (Länkar till en externa sida.)Länkar till en externa sida.]

[video 2 (Länkar till en externa sida.)Länkar till en externa sida.]

Course introduction. Basic ideas in machine learning. Decision trees. Introduction to scikit-learn.

Scikit-learn toy example: [notebook (Länkar till en externa sida.)Länkar till en externa sida.] [html (Länkar till en externa sida.)Länkar till en externa sida.]

Decision tree implementation: [notebook (Länkar till en externa sida.)Länkar till en externa sida.] [html (Länkar till en externa sida.)Länkar till en externa sida.]

Extra notes (Länkar till en externa sida.)Länkar till en externa sida..

Daumé III: 1 (Länkar till en externa sida.)Länkar till en externa sida., 2 (Länkar till en externa sida.)Länkar till en externa sida..

Scikit-learn: tutorial (Länkar till en externa sida.)Länkar till en externa sida., decision trees (Länkar till en externa sida.)Länkar till en externa sida..

Thu, Jan 24

13-15 / 15-17, ED3582

Lab session

Introduction to machine learning in Python (Länkar till en externa sida.)Länkar till en externa sida.

 

Fri, Jan 25

13:15–15:00, HC1

Lecture

Collecting and annotating data.

 

Tue, Jan 29

13:15–15:00, HC1

Lecture

Linear algebra recap. Linear classifiers and regression models. The perceptron and Widrow-Hoff algorithms.

 

Thu, Jan 31

13-15 / 15-17, ED3582

 Lab session

Assignment 2: Machine learning mini-project (Länkar till en externa sida.)Länkar till en externa sida. (1)

 

Fri, Feb 1

13:15–15:00, HC1

Lecture

Feature encoding, preprocessing, selection. Hyperparameter tuning.

 

Tue, Feb 5

CHARM (Länkar till en externa sida.)Länkar till en externa sida.

 

Thu, Feb 7

13-15 / 15-17, ED3582

Lab session

Assignment 2: Machine learning mini-project (Länkar till en externa sida.)Länkar till en externa sida. (2)

 

Fri, Feb 8

13:15–15:00, HC1

Lecture

Optimization and machine learning. Gradient descent. Regularized linear regression models.

Introduction to PyTorch.

 

Tue, Feb 12

13:15–15:00, HC1

Lecture

Logistic regression and support vector classifiers.

 

Thu, Feb 14

Program for personal development − Of course (Länkar till en externa sida.)Länkar till en externa sida..

 

Fri, Feb 15

13:15–15:00, HA2

Lecture

Evaluation methodology for machine learning systems.

 

Tue, Feb 19

13:15–15:00, HC1

Lecture

Ensembles and boosting.

 

Thu, Feb 21

13-15 / 15-17, ED3582

Lab session

Assignment 4: Classifier implementation

 

Fri, Feb 22

13:15–15:00, HC1

Lecture

Neural network introduction.

Introduction to Keras.

 

Tue, Feb 26

13:15–15:00, HC1

Lecture

Convolutional neural networks. Introduction to neural networks for text, word embeddings.

 

Thu, Feb 28

13-15 / 15-17, ED3582

Lab session

Assignment 5: Classifying images (1)

 

Fri, Mar 1

13:15–15:00, HC1

Lecture (Vilhelm Verendel)

Ethical and legal issues. Fairness and bias. Explanations. Domain effects.

 

Tue, Mar 5

13:15–15:00, HC1

Lecture

Machine learning for sequential data.

 

Thu, Mar 7

13-15 / 15-17, ED3582

Lab session

Assignment 5: Classifying images (2)

 

Fri, Mar 8

13:15–15:00, HC1

Lecture (Selpi)

Overview of unsupervised learning.

 

Tue, Mar 12

13-15 / 15-17, ED3582

Lecture

Invited industry guest lecture.

 

Thu, Mar 14

13-15 / 15-17, ED3582

Lab session

(reserved lab slot)

 

Fri, Mar 15

13:15–15:00, HC1

 Exercise

Course recap. Preparing for the final.

 
mid-March Take-home exam

 

 

 

Kurssammanfattning:

Datum Information Sista inlämningsdatum