Kursanalys, Maskininlärning, 2D1431, 4 poäng

Kursdata

Mål

Maskininlärning handlar om hur datorprogram automatiskt kan förbättra sitt beteende genom att utnyttja sina tidigare erfarenheter. Ämnet ligger i gränslandet mellan artificiell intelligens, statistik, informationsteori, biologi och reglerteknik. Målet med kursen är att ge grundläggande kännedom om de teorier och algoritmer som används inom området.

Sammanfattning

Kursen är mycket uppskattad bland studenterna. Laborationerna utgör en viktig del av kursen, men vi har upplevt att de aktuella labbarna lider av en hel del "barnsjukdomar".

Undervisningen

Undervisningen har bestått av 13 tvåtimmarsföreläsningar som var och en har haft ett tydligt tema, t.ex. en algoritm eller en grupp av relaterade metoder. Stefan Carlsson har varit föreläsare på de tre föreläsningar som behandlar statistiska inlärningsmetoder medan Örjan Ekeberg har hållit i de övriga föreläsningarna. Dessutom har studenterna arbetat med fyra obligatoriska laborationer.

Examination

Kursen examineras genom muntlig redovisning av de fyra laborationerna samt en skriftlig tentamen. Laborationsredovisningen sker genom att studenterna anmäler sig via ett webb-baserat bokningssystem för ett 20-minuters redovisningspass. En handledare går igenom laborationen, med tonvikt på de frågor som finns i labbanvisningen, tillsammans med studenterna.

Tentamen består av ett antal frågor som testar förståelsen för hur de olika metoderna fungerar och vad de har för speciella egenskaper. Betyget sätts efter tentaresultatet.

Kurslitteratur

Kursboken (Mitchell) definierar ganska väl kursinnehållet. Boken är förvånansvärt dyr, vilket gör att vi bör undersöka ifall det finns något bra alternativ. En annan nackdel med boken är att den är ganska gammal (1997), vilket naturligtvis inte är bra i ett område som utvecklas så snabbt som detta.

Teknikerna bagging och boosting beskrivs inte i boken och vi har därför kompletterat med några allmänna artiklar som beskriver dessa metoder.

Studentsynpunkter

Vid kursens slut gjordes en enkät som besvarades av 36 studenter. Resultatet finns här. De flesta tycker att det är en rolig kurs och är också nöjda med själva genomförandet. Föreläsningarna är, med vissa undantag, mycket uppskattade medan laborationerna får viss kritik för att de innehåller alltför många fel och oklarheter.

Alla OH-bilder som visades på föreläsningarna scannades in och lades upp på kursens webbplats. Detta uppskattades mycket av studenterna, men kritik framfördes om att upplösningen var för låg.

Kursens belastning för studenterna

Allt tyder på att belastningen för studenterna är "lagom".

Förkunskaper

Studenterna har varierande förkunskaper men det verkar ändå som att de flesta har kunnat tillgodogöra sig kursinnehållet. Nästan alla anger i enkäten att de hade tillräckliga förkunskaper.

Planerade förändringar

Den viktigaste åtgärden inför framtiden är att laborationerna måste rättas. Speciellt laboration 2 lider av att experimenten helt enkelt inte uppvisar det fenomen som labben handlar om.

En annan nödvändig förändring är samordningen med kurs 2D1432 (Artificiellt neuronnät och andra lärande system, ANN). Ett problem är att dessa två kurser kan läsas oberoende av varandra så ett visst överlapp i kursinnehåll måste accepteras. Många studenter väljer dock att läsa båda dessa kurser och det nuvarande upplägget är inte anpassat för dem.

Ett konkret förslag är att ta bort avsnittet om Fuzzy Logic, eftersom det inte riktigt hör hemma i kursen. Ett annat intressant förslag är att införa en laboration kring evolutionära algoritmer. Detta förutsätter dock att någon annan laboration plockas bort, alternativt flyttas till ANN-kursen.

Vi bör utreda ifall det finns en nyare och billigare kursbok som passar för kursen. Vi bör även göra en insats för att scanna in OH-bilderna från kursen med högre kvalitet.