Algoritmer för maskininlärning och slutledning

Antagningspoäng våren 2026

Eget urval. Den här utbildningen antar inte på meritvärde eller högskoleprov, så det finns ingen poänggräns.

Lägsta antagna i senaste antagningen (våren 2026) enligt UHR. Ingen garanti för nästa antagning.

Om utbildningen

I kursen diskuteras teori och tillämpning av algoritmer för maskininlärning och slutledning, utifrån ett AI perspektiv. I detta sammanhang betraktar vi ”lärande” som slutledning från givna data eller erfarenheter som resulterar i en viss modell som generaliserar dessa uppgifter. Slutledning är att bestämma de önskade svaren eller åtgärder baserade på modellen. Algoritmer av detta slag används vanligen i till exempel klassificeringsuppgifter (t.ex. teckenigenkänning, eller att förutsäga om en ny kund är kreditvärdig) och i expertsystem (t.ex., för medicinsk diagnostik). Ett nytt och kommersiellt viktig område är ”data mining”, där algoritmer används för att automatiskt identifiera speciellt intressant information och speciella relationer i stora kommersiella eller vetenskapliga databaser. Kursen avser att ge en god förståelse för detta tvärvetenskapliga område, med tillräckligt djup för att använda och utvärdera tillgängliga metoder, och för att kunna följa aktuell vetenskaplig litteratur inom området. Under kursens gång kan vi diskutera eventuella problem med maskininlärningsmetoder, till exempel bias i träningsdata och säkerhet för autonoma agenter. Följande begrepp behandlas i kursen: - Bayesiansk inlärning: likelihood, prior, posterior - Övervakad inlärning: Bayes-klassificerare, Logistic regression, Deep Learning, supportvektormaskiner - Oövervakad inlärning: Algoritmer för klustring, EM-algoritmen, mixture-modeller, kernel-metoder - Dolda Markov-modeller, MCMC - Reinforcement learning

Behörighet

För tillträde till kursen krävs att studenten ska ha en kandidatexamen. Specifikt krävs följande kunskaper: - 7,5 hp i programmering (t.ex. DIT440 Introduktion till funktionell programmering, DIT043 Objektorienterad programmering, DIT012 Imperativ programmering med grundläggande objektorientering, eller motsvarande) - 7,5 hp i datastrukturer (t.ex. DIT961 Datastrukturer, DIT181 Datastrukturer och algoritmer, eller motsvarande) - 7,5 hp i grundläggande sannolikhetsteori och statistik (t.ex. MSG810 Matematisk statistik och diskret matematik, DIT861 Statistiska metoder för Data Science, eller motsvarande) - 7,5 hp i linjär algebra (t.ex. MMGD20 Linjär algebra, eller motsvarande) - 7,5 hp i flervariabelanalys. Följande kunskapsnivå i Engelska krävs; Engelska 6/Engelska B eller motsvarande från ett erkänt internationellt test, t.ex. TOEFL, IELTS.

Praktiskt

Start

19 januari 2026

Slut

22 mars 2026

Språk

Engelska

Studietakt

50 %

Studieform

På plats i Göteborg

Studieavgift

17 750 kr (gäller bara sökande utanför EU/EES)

Anmälningskod

GU-86012

Vanliga frågor

Vad krävs för att komma in på Algoritmer för maskininlärning och slutledning vid Göteborgs universitet?

Utbildningen har ingen poänggräns (eget urval) – den antar inte på meritvärde eller högskoleprov. Du måste också uppfylla behörighetskraven.

Hur lång är utbildningen?

7,5 hp, studietakt 50 %.

Går den på distans?

Nej, den ges på plats i Göteborg.

Vad betyder BI och HP?

BI är betyg utan komplettering och HP är högskoleprovet. Läs guiden.

Överblick

• Alla program och kurser vid Göteborgs universitet
• Alla kurser i Informatik/Data- och systemvetenskap