6 ECTS credits
150 u studietijd

Aanbieding 2 met studiegidsnummer 1024443CNR voor alle studenten in het 1e semester met een gespecialiseerd bachelor niveau.

Semester
1e semester
Inschrijving onder examencontract
Niet mogelijk
Beoordelingsvoet
Beoordeling (0 tot 20)
2e zittijd mogelijk
Ja
Inschrijvingsvereisten
Studenten hebben 'Introduction to Artificial Intelligence' gevolgd alvorens 'Machine Learning' op te nemen. Deze studievereiste is enkel geldig voor bachelorstudenten.
Onderwijstaal
Nederlands
Faculteit
Faculteit Wetenschappen en Bio-ingenieurswetensch.
Verantwoordelijke vakgroep
Computerwetenschappen
Onderwijsteam
Ann Nowe (titularis)
Onderdelen en contacturen
26 contacturen Hoorcollege
26 contacturen Werkcolleges, practica en oefeningen
Inhoud
  • Leren van concepten (versie ruimtes en beslissingsbomen)
  • Bayesiaans leren
  • Instantiegebaseerd leren
  • Neurale netwerken
  • Evaluatie van hypothesen: betrouwbaarheid, afwijking en variantie
  • Computational learning theorie 
    Reinforcement learning  
  • Clustering 
Studiemateriaal
Digitaal cursusmateriaal (Vereist) : Informatie over de casestudy, Leerplatform
Handboek (Vereist) : Machine Learning, T.M. Mitchell, BIB, 9780071154673, 2004
Bijkomende info

- De student dient een casestudy uit te voeren waarbij een machine learning benadering wordt toegepast op echte gegevens.

- De informatie zal beschikbaar zijn via het leerplatform

- Cursusboek:  Machine Learning, T.M. Mitchell 

 

 

Leerresultaten

Algemene competenties

Kennis en inzichten:

De student heeft kennis over een breed spectrum van leertechnieken en inzichten in dit onderzoeksdomein. De student heeft kennis en inzichten over bestaande methoden om verkregen hypothesen te evalueren. De student is in staat om een gespecialiseerde masteropleidingsonderdelen in dit domein te volgen.

 

Toepassing van kennis en inzichten

De student is in staat om een verantwoorde keuze te maken met betrekking tot leeralgoritmen om nieuwe concrete problemen op te lossen en om deze technieken correct toe te passen en de verkregen resultaten te evalueren.

 

Oordeelsvorming

De student moet in staat zijn goede argumenten te geven rond het toepassen van gegeven algoritmen op gegeven probleemsettings.

 

Communicatie

De student is in staat om keuzes te motiveren en te communiceren naar zowel experts als niet-experts in het domein.

 

Leervaardigheden

De student heeft de nodige vaardigheden ontwikkeld om zelfstandig leeralgoritmen te implementeren en analyseren, en om deze technieken toe te passen op een brede waaier aan problemen. 

Beoordelingsinformatie

De beoordeling bestaat uit volgende opdrachtcategorieën:
Examen Schriftelijk bepaalt 75% van het eindcijfer

WPO Praktijkopdracht bepaalt 25% van het eindcijfer

Binnen de categorie Examen Schriftelijk dient men volgende opdrachten af te werken:

  • schriftelijk examen met een wegingsfactor 1 en aldus 75% van het totale eindcijfer.

    Toelichting: Schriftelijk examen

Binnen de categorie WPO Praktijkopdracht dient men volgende opdrachten af te werken:

  • opdracht met een wegingsfactor 1 en aldus 25% van het totale eindcijfer.

    Toelichting: Praktijkopdracht

Aanvullende info mbt evaluatie

Het schriftelijk examen vertegenwoordigt 75% van het eindcijfer.

De casestudie is verplicht en vertegenwoordigt 25% van het eindcijfer. De student moet een eindcijfer behalen van ten minste 10/20, alsook een score van ten minste 7/20 voor elk van de onderdelen die het eindcijfer vormen (de casestudy en het schriftelijk examen), om te slagen voor de cursus. 

Toegestane onvoldoende
Kijk in het aanvullend OER van je faculteit na of een toegestane onvoldoende mogelijk is voor dit opleidingsonderdeel.

Academische context

Deze aanbieding maakt deel uit van de volgende studieplannen:
Bachelor in de artificiële intelligentie: Standaard traject