IK3616 Lärande maskiner 7,5 hp

Learning Machines

OBS!

Informationen nedan baseras på en kursplan som ännu inte har börjat gälla.

  • Utbildningsnivå

    Forskarnivå
  • Huvudområde

  • Betygsskala

    P, F

Kurstillfällen/kursomgångar

HT19 för programstuderande

  • Perioder

    HT19 P2 (7,5 hp)

  • Anmälningskod

    50820

  • Kursen startar

    2019-10-28

  • Kursen slutar

    2020-01-14

  • Undervisningsspråk

    Engelska

  • Studielokalisering

    KTH Kista

  • Undervisningstid

    Dagtid

  • Undervisningsform

    Normal

  • Antal platser

    Ingen begränsning

HT18 för programstuderande

  • Perioder

    HT18 P2 (7,5 hp)

  • Anmälningskod

    51636

  • Kursen startar

    2018-10-29

  • Kursen slutar

    2019-01-14

  • Undervisningsspråk

    Engelska

  • Studielokalisering

    KTH Kista

  • Undervisningstid

    Dagtid

  • Undervisningsform

    Normal

  • Antal platser

    Ingen begränsning

  • Schema

    Schema (nytt fönster)

Lärandemål

  1. Självständig problemlösning
    Tillämpa existerande och framtida verktyg för att bygga LM
    Självtesta förståelse och kritik
    Tolka andras arbeten
  2. Bemästra abstraktion
    Erkänn vad en LM (inte) är
    Identifiera relevanta begrepp och tillämpbara metoder/verktyg
    Bemästra metanivån, modellering av LM
    Associera olika relevanta begrepp med LM
    Instrumentalisera relevanta abstrakta begrepp
  3. Implementera LM
    Använd verktyg i LM-kontexten
    Undersök effekterna av olika antaganden kring ett begrepp
    Programmera (och testa) LM
    Uppskatta riktigheten och komplexiteten hos LM-program

Kursens huvudsakliga innehåll

  • AI-grundvalar för lärande maskiner. (Magnus Boman)
  • Lärande maskiners historia och framtid. (Nina Wormbs) (Magnus Boman)
  • TBC. (Anders Holst)
  • Pronouncers. (Magnus Boman)
  • Multi-AI-system. (Daniel Gillblad)
  • Begreppsbildning och deep learning för lärande maskiner. (John Ardelius)
  • Systemiska egenskaper hos storskaliga lärande maskiner. (Daniel Gillblad & Magnus Boman)
  • Kritiska perspektiv och rädsla kring lärande maskiner. (Francis Lee)
  • Massiva data för lärande maskiner. (Jim Dowling)
  • Tillämpningar av lärande maskiner. (Magnus Sahlgren & Jussi Karlgren)
  • Learning from failure i kombinatorisk problemlösning. (Christian Schulte)

Kursupplägg

Grunden utgörs av en föreläsningsserie som täcker etablerad litteratur. Inbjudna föreläsningar täcker djupa tekniska områden och tillämpningar. Nya plattformar för interaktiv mjukvara som stödjer utveckling av lärande maskiner kommer användas.

Behörighet

Doktorander och färdiga magisterstudenter med doktorandplaner.

Rekommenderade förkunskaper:

Diskret matematik, linjär algebra, maskininlärning, programmering, AI.

Litteratur

Relevant articles and research papers, plus documentation from Internet sources. During the course, a compendium will be developed, with all of the lecturers (and possibly their collaborators or students) as invited contributors. Students will be motivated to comment on, and influence the contents of, the compendium. Such influence can come in the form of course examination. The outcome will not be a collection of individual chapters by individual authors, but rather a monograph with many co-authors.

Några tentativa lärare har redan föreslagit litteratur till sina föreläsningar.

Exempel (Lee):

  1. Solon Barocas, Sophie Hood, Malte Ziewitz. (2013) Governing Algorithms: A Provocation Piece http://papers.ssrn.com/sol3/papers.cfm?abstract_id=2245322
  2. Ziewitz, M. (2011). How to think about an algorithm? Notes from a not quite random walk. Discussion paper for Symposium on "Knowledge Machines between Freedom and Control", 29 September 2011.

Utrustningskrav

Inga, studenterna klarar laborationerna med egna datorer eller via öppna servrar.

Examination

  • EXA1 - Examination, 7,5, betygsskala: P, F

Flexibel examinationsform: essä, dokumenterad mjukvara, bidrag till kurskompendiet, dokumenterat arbete hos företag, Alla slags examination har samma deadline.

Krav för slutbetyg

Genomförd examination och minst två tredjedelars närvaro på föreläsningarna.

Ges av

EECS/Programvaruteknik och datorsystem

Examinator

Magnus Boman <mab@kth.se>

Versionsinformation

Kursplan gäller från och med HT2019.
Examinationsinformation gäller från och med VT2019.