Maskininlärning
Kan vi få en dator att lära sig av sina erfarenheter istället för att programmera den?
Många problem som vi människor kan lösa utan att ens tänka på dem som problem, är svåra att programmera en dator till att lösa. Vi vet nämligen inte ens själva hur vi gör när vi, till exempel, känner igen någons ansikte, röst eller handskrivna kråkfötter. Hur ska vi då få en dator att göra det?Om det inte går att programmera sin dator, kanske man kan träna den? Det finns många tekniker för att åstadkomma någon form av inlärning hos datorer. Artificiella neuronnät är en sådan teknik, inspirerad av biologiska nervsystem. Men vi tittar på fler under kursens gång - de flesta med det gemensamt att de, liksom neuronnät, är inspirerade av något fenomen i naturen:Reinforcement learning (kritikerledd inlärning) har hämtat idéer från psykologin och etologin (läran om djurs beteende). Evolutionära metoder bygger på genetik, utvecklingslära och "den starkes överlevnad". Svärmmetoder bygger på hur sociala system i naturen löser problem - myrsamhällen, fågelflockar och mänskliga kulturer, till exempel.
Kursen är på 7.5 högskolepoäng och ges förmodligen (nästan säkert) på engelska. Den är mer praktisk än teoretisk, med konkret problemlösning i form av labbar och en självvald projektuppgift, där man får möjlighet att fördjupa sig inom något delområde, eller tillämpa en inlärningsteknik på något intressant problem.Europas första digitala neurodator, ADAM (utvecklad 1968-71 av ryssarna för att lyssna efter ubåtar) Förkunskaper: Algebra, Matematisk analys, Linjär algebra, Algoritmer och datastrukturer. Dessutom rekommenderas (starkt) Matematisk statistik och Datorarkitektur.
Kursmål: Kursen ska ge en god översikt över området lärande system, i synnerhet artificiella neuronnät, med betoning på problemlösning med dessa verktyg.