Datarepresentasjon: representasjon av ulike datakilder som bilder, lyd og tekst, aktuelle teknikker for prosessering av data. Unsupervised learning: ulike clustering algoritmer, reduksjon av dimensjoner, og andre aktuelle metoder. Supervised learning: blant annet logistisk regresjon og forskjellige typer nevrale nettverk.
Kunnskaper: Kandidaten kan gjøre rede for - ulike måter å representere data på - ulike metoder for å gruppere og klassifisere data - hvilke maskinlæringsmetoder som er hensiktsmessig å bruke ved gitte problemstillinger - begrensninger ved maskinlæring Ferdigheter: Kandidaten kan - lage fullverdige maskinlæringsløsninger ved hjelp av et rammeverk - ta i bruk representasjonsalgoritmer som gjør det enklere for maskinlæringsmetoder å gi bedre resultater for et gitt datasett - velge og tilpasse en maskinlæringsmetode som er aktuell for en gitt problemstilling - vurdere om maskinlæringsmetoder kan gi gode resultater for en gitt problemstilling med utgangspunkt i et gitt datasett Generell kompetanse: Kandidaten skal kunne finne og tilpasse løsninger til nye problemstillinger basert på tidligere anvendelser av maskinlæring.