FY835: Informationsteori, inferens og læringsalgoritmer

Indgangskrav

Ingen

Faglige forudsætninger

Studerende, der følger kurset, forventes at: Have kendskab til sandsynlighedsteori.

Formål

Kurset har til formål at give den studerende en introduktion til specielt informationsteori, men også Bayesiansk inferens og neurale netværk, og vise hvordan disse emner er forskellige sider af samme sag.

Informationsteori spiller en stor rolle i statistisk fysik som den matematiske teori for entropi, og inferens og maskinlæring er centrale for bl.a. analyse af eksperimentelle data. Kurset kan derfor finde anvendelse i projekter i resten af uddannelsen.

Målbeskrivelse

Læringsmålet for kurset er, at den studerende demonstrerer evnen til at:

Selvstændigt tilegne sig den viden om informationsteori, inferens og maskinlæring der er beskrevet under Indhold
Anvende denne viden til løsning af opgaver
Anvende den tillærte viden indenfor et selvvalgt emne (afsluttende projekt)

Indhold

Kurset indeholder følgende faglige hovedområder:

Fortolkning af sandsynlighed
Modeludvælgelse og parameterfitning
Shannon-entropi
Datakomprimering
Kommunikation over støjfyldte kanaler
Monte Carlo metoder
Neurale netværk

Litteratur

Se itslearning for pensumlister og yderligere litteraturhenvisninger.

Eksamensbestemmelser

Eksamenselement a)

Tidsmæssig placering

Forår og juni

Udprøvninger

Portfolio eksamen

EKA

N510046102

Censur

Intern prøve, en bedømmer

Bedømmelse

Bestået/Ikke bestået

Identifikation

Fulde navn og SDU brugernavn

Sprog

Følger, som udgangspunkt, undervisningssprog

Varighed

Mundtlig eksamen - 15 minutter

Hjælpemidler

Oplyses på kurset

ECTS-point

Uddybende information

"Portfolio bestående af:

1) Aktiv deltagelse i undervisningen. Dvs. man skal bidrage i timerne med undervisningskomponenter, f.eks. at holde et lille oplæg over et emne eller en opgave, finde på et multiple choice spørgsmål, eller styre en refleksionsdiskusion. Alternativt, hvis man f.eks. ikke kan deltage en dag, kan fremvisning af en løst opgave i den dags emne gøre det ud for den aktive deltagelse.
2) Skriftlig rapport

3) Mundtlig eksamen. Eksamen tager udgangspunkt i en skriftlig rapport over et afsluttende projekt, og har form af en ca. 15 minutters præsentation med efterfølgende spørgsmål."

Alle tre elementer skal være til stede for at opnå en samlet bestået karakter

Vejledende antal undervisningstimer

29 timer per semester

Undervisningsform

Skemalagte undervisningstimer:

Antal undervisningstimer i alt: 29
Heraf:
Fællestimer i klasselokale/auditorium 29

Undervisningen er bygget op omkring en række videoforelæsninger af varierende længde, omkring 1-1,5 time, der kan suppleres med studier af lærebogen. Disse studeres mellem timerne. Undervisningen til timerne er drevet af de studerende, og omfatter refleksioner over og diskussioner af videoforelæsningerne, eventuelt suppleret med præsentationer af yderligere materiale fra lærebogen. Udover dette vil opgaver fra lærebogen blive løst i timerne.

Som afslutning på kurset vælges et lille afsluttende projekt, der anvender den tilegnede viden.

Andre planlagte undervisningsaktiviteter:

Som beskrevet ovenfor skal videoforelæsninger og evt. lærebog studeres mellem timerne. Hvis man har noget der skal præsenteres i timerne skal det også forberedes.

Ansvarlig underviser

Navn	E-mail	Institut
Michael Lomholt	mlomholt@sdu.dk	Fysik

Skemaoplysninger

Odense

Vis fuldt skema

Administrationsenhed

Fysik, kemi og Farmaci

Team hos Registratur

NAT

Udbudssteder

Odense

Anbefalede studieforløb

Profil	Uddannelse	Semester	Udbuds periode

Overgangsordninger

Overgangsordninger beskriver, hvordan et kursus erstatter et andet kursus, når der ændres i et studieforløb.

Hvis der er lavet en overgangsordning for et kursus vil den fremgå af oversigten.
Se overgangsordninger for alle kurser på Det Naturvidenskabelige Fakultet.