Data Science i praktiken - algoritmer för maskininlärning
Lär dig grundläggande maskininlärning
Kursen syftar till att skapa en god förståelse för de olika algoritmer och tekniker som kan användas för maskininlärning. Kursen introducerar den övergripande kontexten för maskininlärning, med utgångspunkt i etablerade processer för informationsutvinning (CRISP-DM), samt teoribildning och terminologi inom maskininlärning. Kursens huvudsakliga innehåll är grundläggande maskinlärningstekniker som beslutsträd, regelinlärning, neurala och djupa nätverk, support vector-maskiner och ensembler, samt algoritmer som kNN, k-Means och Apriori
Kursen ger 5 högskolepoäng och genomförs på distans och ”kvartsfart”. Kvartsfart innebär att kursen sträcker sig över ca 14 veckor och du förväntas lägga ca 8 timmar per vecka under denna period.
Studieperiod 2022: Vecka 35 – 48

Kursens teoretiska innehåll behandlas i föreläsningar, med kompletterande seminarier som bidrar med forskningsanknytning, diskussion och reflektion. En betydande del av kursen utgörs av ett implementeringsprojekt där studenterna ges möjlighet till egen fördjupning inom något delområde av maskininlärning. Exempelvis kan projektet behandla en specifik tillämpning, en vanligt förekommande uppgiftstyp (som klassificering, tidsserieanalys eller market basket analysis), eller någon teknik eller algoritm. I projektet läggs stor vikt vid systematiskt arbetssätt i experimentplanering och utvärdering.
Under kursen läser du artiklar och litteratur som rekommenderas för kursen och genomför den examinationsuppgift som hör till kursen. Uppgiften är utformad så att du skall kunna välja och arbeta med ett reellt problem i din organisation.
Vi träffas 3-4 gånger under kursen, oftast är dessa tider sen eftermiddag/kväll. Under dessa träffar genomförs korta genomgångar av teorier, handledning och diskussion och du får möjlighet till erfarenhetsutbyte och nätverkande under dessa träffar.
Till kursen finns några inspelade filmer och stödmaterial, men du förväntas att arbeta till största delen självständigt då denna kurs är på avancerad nivå.
Examinering
Kursen examineras genom en projektuppgift och ett seminarium. Uppgiften skall redovisas och lämnas in som ett PM och uppgiften skall presenteras på ett seminarium.
Nytta för mig som deltagare
Som deltagare på denna kurs får du en ökad insikt i maskininlärning, processer för informationsutvinning och vanliga tekniker inom området, du kan också praktiskt tillämpa din kunskap på ett reellt problem eller utmaning, detta ger dig en väl förankrad kunskap som oftast ligger på blooms taxonomy nivå 3 & 4. Kursens fokus ligger på förmåga och inte på terminologi.
Nytta för min organisation
Då kursen baseras på att ett problem eller utmaning i den egna organisationen väljs så bidrar deltagandet både till medarbetarens ökade och kunskap och potentiell lösning av ett aktuellt problem eller framtagning av en innovation. Detta stärker organisationens konkurrenskraft då både medarbetare och organisation får ny kunskap, perspektiv, förmåga och potentiellt även innovation
Antagning
Eftersom detta är en kurs som ger högskolepoäng så sker ansökan och antagning enligt de regler och lagar som finns för detta och allt detta hanteras via ”antagning.se” och du hittar en direktlänk till denna kurs nedan.
Kursen är på avancerad nivå och har som behörighetskrav 120 högskolepoäng innehållande eller kompletterat med 15 hp programmering. Om du har förre än 120 högskolepoäng eller saknar programmering så kan du fortfarande söka genom reell kompetens, du hittar mer information om detta på nästa flik.
Urval – Viktig information!!
Då denna kurs riktar sig till yrkesverksamma görs urval till kursen utifrån yrkeserfarenhet. För denna kurs görs urval utifrån ”2 års yrkesverksamhet inom data” (75% vikt) och sedan utifrån ”Antal högskolepoäng inom området data/informatik” (25%) För att intyga yrkesverksamhet så behöver du ladda upp ett tjänstgöringsintyg till antagning.se.
Reell kompetens
Om du saknar de formella behörighetskraven (120 hp) för denna kurs, kan du ansöka till den med genom reell kompetens. Detta innebär att din kompetens inom området och din förmåga att skriva och författa t ex rapporter, analyser eller artiklar behöver verifieras genom att du lämnar in underlag för detta ihop med din ansökan. Det är i huvudsak två viktiga delar som behöver bedömas vid reell kompetens:
(1) att det finns en tillräcklig akademisk förmåga att författa texter, rapporter, artiklar etc och
(2) att det finns det tillräckligt med ämneskunskap i aktuellt område för studier på avancerad nivå.
Vi har tagit fram en blankett för detta som du hittar nedan. För att det skall vara möjligt att söka med reell kompetens behöver nedan kriterier uppfyllas:
- Minst sex års yrkesverksamhet i för kursen aktuellt område
- Skrivit en längre sammanhängande text (t ex en utredningsrapport, en bok, utfört en studie i företaget som dokumenterats i en rapport)
- Deltagit i relevanta kurser som erbjudits av t ex privata utbildningsföretag.
Underlag för ovan punkter laddar du upp på antagning.se när du har sökt en utbildning och avser ansöka mha reell kompetens.
När din ansökan inkommit så kommer både antagning och kursansvarig att titta på detta för att göra en bedömning, du kan ombes att komplettera din ansökan om något är oklart. Bedöms din reella kompetens motsvara kunskaper för studier på avancerad nivå som kommer du att bli antagen enligt ordinarie turordning.