beskriva hur, och varför, naturinspirerade beräkningsmetoder fungerar, förklara principer och visa exempel.
ställa upp och lösa typiska problem, genom egen implementation eller med hjälp av befintliga simuleringsverktyg, avgöra olika inlärningsmetoders tillämplighet för olika typer av inlärningsproblem, dvs. känna till metodernas styrkor och svagheter,
känna igen typiska effekter av dåliga val (problemuppställning och parameterval, till exempel) och utifrån detta avgöra hur resultaten kan förbättras,
planera ett öppet projekt så att det kan genomföras inom givna ramar.
Kursinnehåll
Kursen introducerar olika naturinspirerade beräkningsmetoder. Kursen är uppdelad i en teoretisk del och en praktisk del.
Den teoretiska delen består av föreläsningar och litteratur om olika ämnen, inklusive (men inte begränsat till):
inlärningsparadigm (övervakad, oövervakad och kritikerledd inlärning),
artificiella neuronnät för klassificering, funktionsanpassning och klustring,
deep learning,
kritikerledd inlärning och tidsdifferensmetoder,
evolutionära metoder (genetiska algoritmer och genetisk programmering), och
Den praktiska delen består av labbuppgifter och en självvald projektuppgift. Innehållet i projektuppgiften definieras av studenterna själva, men måste godkännas av kursläraren innan arbetet påbörjas. shapp
Förutsättningar
120 hp inklusive 15 hp matematik och 60 hp datavetenskap/systemvetenskap, varav minst 20 hp programmering/algoritmer/datastrukturer. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)