Elektroteknik – Databaserad analys

Studerande behärskar numeriska verktyg för praktisk analys och visualisering av data, inkluderande grundläggande statistiska begrepp och frekvensanalys. Vidare behärskar studerande grunderna i maskininlärning med fokus på övervakad inlärning för regressionsmodeller och klassificeringsmodeller både gällande implementeringen av algoritmerna och utvärderingen av metoderna i MATLAB och/eller Octave.

Praktisk analys och visualisering av mätdata.
Medelvärde, standardavvikelse, fördelningsfunktioner, multivariabla och korrelerade observationer, normalisering av data.
Frekvensanalys, diskret Fourier-transform, periodiska funktioner, artefakter vid icke-periodiska sekvenser, fönsterfunktioner. Stokastiska signaler, auto- och korskorrelationer.
Övervakad inlärning:
– Linjär regression med en och flera variabler
– Numerisk optimering med gradient descent
– Olinjära transformationer, överanpassning och regularisering
– Olinjära modeller med artificiella neurala nätverk
– Logistisk regression och klassificering för två och flera klasser
– Artificiella neurala nätverk tillämpat på klassificering
Oövervakad inlärning och k-medelvärdeskluster (k-means cluster) algoritmen

VG, G (för betygssättning)

Elektroteknik

Utbildningsprogrammet för elektroteknik

Övningar och tentamen/projektuppgift.

Assignments and exam/project assignment

Eget material tillgängligt via kursens hemsida.
Manualer och resurser på internet.

Lecture notes available through the homepage of the course.
Manuals and other online resources.

E903201 Introduktion till Matlab/Octave

Föreläsningar varvade med interaktiva demonstrationer, exempel, laborationer och projektuppgifter.

Lectures with interactive demonstrations, examples and assignments.