MLA210 Kompendium

Dette kompendiet er skrevet for kurset MLA210: Maskinlæring med eksempler fra teknologi og finans. Kurset tar utgangspunkt i lineær algebra som et verktøy for å formulere og løse problemer innen ingeniørvitenskap og for grunnleggende maskinlæringsalgoritmer. Kompendium gir flere eksempler på bruk av maskinlæringsalgoritmer men forsøker å unngå å behandle det som en svart-boks.

Materialet er i stor grad inspirert av boka Introduction to Applied Linear Algebra av Stephen Boyd og Lieven Vandenberghe, som har hatt stor betydning for vise hvordan et moderne anvendt lineær algebra kurs kan undervises.

Kompendiets struktur og temaer er imidlertid mer tilpasset ingeniørvitenskapelige problemstillinger: Som hos Boyd og Vandenberghe bygger vi et fundament for maskinlæring og dataanalyse gjennom begreper som minst kvadraters metode, vektorrom og matriser.

I tillegg inkluderer vi temaer som matrisediskretisering og differensmetoder, særlig i forbindelse med egenverdiproblemer og fysiske systemer. Det er et mål å vise hvordan ofte de samme matematiske metodene som brukes i maskinlæring kan brukes i numeriske simuleringer av fysiske systemerer, og visa versa.

Denne typen kurs har ennå ikke fått en fast plass i universitetsundervisningen — grensene mellom lineær algebra, numeriske metoder og maskinlæring er i utvikling. Dette kompendiet er derfor også et forsøk på å utforske en tilnærming som er spesielt tilpasset realfags- og ingeniørstudenter.