Kursanalys 2005/2006, 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 och kräver en ordentlig arbetsinsats från studenternas sida. Vi behöver se över laborationsanvisningarna så att studenterna inte fastnar, eftersom tiden för individuell handledning är mycket begränsad.

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. Daniça Kragic 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 men ett generöst bonussystem gör att de som redovisat alla laborationer i tid får lättare att få ett högre betyg.

Kurslitteratur

Kursboken (Mitchell) definierar ganska väl kursinnehållet. Boken är förvånansvärt dyr. 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 endast 13 studenter. Resultatet finns här. De flesta tycker att det är en rolig kurs och är också nöjda med själva genomförandet. Föreläsningarna är uppskattade och den kritik som framförts är genomgående positiv. Ett önskemål är att föreläsningarna ska ges på engelska.

Laborationerna får konstruktiv kritik. Anvisningarna till labb 2 har fel som förvirrar. I labb 3 och 4 är det inte tillräckligt tydligt beskrivet precis vad som ska göras.

Kursens belastning för studenterna

Allt tyder på att belastningen för studenterna är "lagom". Några studenter har dock fått lägga ned onödigt mycket tid på att hitta fel i sina laborationer.

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. Bland kommentarerna finns både önskemål att via ska gå lite fortare fram och att det går för fort ibland. Detta kan tolkas som att vi ligger "ganska rätt" vad gäller svårighetsgraden.

Ett speciellt förkunskapsproblem är språket. Föreläsningarna hålls på svenska men allt annat material är på engelska. Vid ordinarie tentamen finns frågorna på både svenska och engelska. Vi har varje år en handfull studenter som inte förstår svenska, men som ändå följer kursen.

Planerade förändringar

Anvisningen till laboration 2 behöver ses över. Framförallt behöver det finnas några enkla testdata som man kan använda för att kunna provköra olika delar av programmet separat. Många studenter har svårt att avgöra om de resultat de får är rätt eller fel, och om de är fel är det också svårt att ta reda på var felet ligger.

I laboration 4 används ett modellsystem som är onödigt komplicerat. Det gör att studenterna tvingas ägna onödigt mycket tid och energi åt att förstå detta istället för den egentliga algoritmen. Vi bör undersöka ifall vi kan förenkla problemet utan att för den skull göra uppgiften trivial.

Vi bör fortsätta att utreda ifall det finns en nyare och billigare kursbok som passar för kursen.