02901 Avancerede emner indenfor machine learning

2025/2026

Kursusinformation
Advanced Topics in Machine Learning
Engelsk
2,5
Ph.d., Fagligt fokuseret kursus
Kurset udbydes som enkeltfag
August
Kurset foregår en uge i august. Se kursets hjemmeside for specifikke datoer.
Campus Lyngby
Forelæsninger, øvelser, mini-projekt.
[Kurset følger ikke DTUs normale skemastruktur]
Bedømmelse af opgave(r)/rapport(er)
Alle hjælpemidler - med adgang til internettet
bestået/ikke bestået , intern bedømmelse
Morten Mørup , Tlf. (+45) 4525 3900 , mmor@dtu.dk
Jesper Løve Hinrich (Primær kontaktperson) , jehi@dtu.dk
01 Institut for Matematik og Computer Science
http://www.compute.dtu.dk/courses/02901
På instituttet

To participate in the course, an application is required. Please send an application consisting of a CV to jehi@dtu.dk no later than the 21st of June 2025. The applications will be assessed and confirmations will be sent out by the 30th of June.
Overordnede kursusmål
At introducere deltagerne til nye trends i statistisk signalbehandling og machine learning.
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
  • Forstå og anvende avancerede metoder indenfor machine learning
  • Indsamle videnskabelig viden og data indenfor kursets emner
  • Formulere og gennemføre et mini-projekt relateret til et eller flere af kursusemnerne (helst indenfor den studerendes eget PhD projekt)
  • Designe og implementere komplekse machine learning systemer baseret på en analyse af problemstillinger og projektmål
  • Implementere machine learning systemet
  • Evaluere resultaterne af machine learning systemet
  • Vurdere og opsummere miniprojekt-resultater i relation til projektmål, metoder og tilgængelige data
  • Disseminere projektresultaterne i en teknisk rapport
Kursusindhold
Kurset introducerer nye trends og avancerede emner i machine learning. Kurset dækker centrale emner inden machine learning såsom Bayesians parametrisk og ikke-parametrisk inferens, optimering, latent variabel modellering, kernel metoder og deep learning. Kurset består af forelæsninger og øvelser og er efterfulgt af et mini-projekt, der præsenteres i en teknisk rapport. Vi opfordrer studerende til at anvende de metoder, der undervises i på data, der er relevante for deres ph.d.-projekt. Typiske applikationer omfatter: Bio-medicinsk, audio, multimedia, og topic modellering samt collaborative filtering og monitoreringssystemer.
Sidst opdateret
02. maj, 2025