Overordnede kursusmål
Generelle mål for kurset: Aktiv læring, agency og kausal forståelse
er menneskelige kernekompetencer. Kursets overordnede mål er at
introducere aktive Bayesianske machine learning modeller. Kurset
diskuterer begrænsninger ved rent observationelle data og
vigtigheden af agency og embodiment i machine learning. Kurset
giver en introduktion til theoretiske aspekter af Bayesiansk
optimering, aktiv læring og kausal inferens.
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
- Diskuter begrænsninger for machine learning baseret alene på
observationelle data
- Diskuter begreberne kausal modellering og agency
- Diskuter den rolle som agency spiller i Bayesiansk optimerng og
aktiv machine learning
- Anvend Bayesiansk optimering til at optimere machine learning
algoritmer
- Anvend active machine learning metoder
- Forklar implementering af aktiv machine learning og kausale
modeller i Python.
- Diskuter anvendelse af aktiv machine learning og kausal
modellering inden for fysik, bio-medicin og adfærdsdata
- Design og gennemfør et mini-projekt indenfor Bayesiansk
optimering af machine learning algoritmer
- Design og gennemfør et mini-project indenfor aktiv machine
learning.
- Give en kritisk præsentation af resultater opnået i
mini-projekter og øvelser
Kursusindhold
Kurset diskuterer begrænsningerne ved modellering baseret alene på
observationelle data, og vigtigheden af agency og embodiment af
machine learning algoritmer. Kurset introducerer aktive Bayesianske
modeller, herunder en introduktion til Gaussiske processer. Kurset
introducerer teoretiske begreber indenfor Bayesiansk optimering,
aktiv læring og kausal inferens. Programmering i kurset er baseret
på Python.
Litteraturhenvisninger
Bishop, C.M., 2006. Pattern recognition and machine learning.
Springer.
Shahriari, B., Swersky, K., Wang, Z., Adams, R.P. and De Freitas,
N., 2016. Taking the human out of the loop: A review of bayesian
optimization. Proceedings of the IEEE, 104(1), pp.148-175.
Settles, B., 2009. Active learning literature survey. University of
Wisconsin-Madison Department of Computer Sciences.
Sidst opdateret
02. maj, 2025
