Resultat av kursutvärdering


    Kursen som helhet.

  1. Upplever du kursen som lätt eller svår?

    1. 2% (1 st) Mycket lätt.
    2. 17% (11 st) Lätt.
    3. 52% (33 st) Medel.
    4. 25% (16 st) Ganska svår.
    5. 0% (0 st) Mycket svår.


  2. Tycker du att kursen är intressant och meningsfull?

    1. 59% (37 st) Ja, mycket.
    2. 35% (22 st) Ja.
    3. 2% (1 st) Neutral.
    4. 2% (1 st) Inte särskilt.
    5. 0% (0 st) Nej.


  3. Tycker du att dina förkunskaper var tillräckliga när kursen startade?

    1. 87% (55 st) Ja.
    2. 10% (6 st) Tveksam.
    3. 0% (0 st) Nej.


  4. Vilket utbildningsprogram följer du?

    1. 44% (28 st) D.
    2. 19% (12 st) E.
    3. 16% (10 st) F.
    4. 2% (1 st) MD.
    5. 16% (10 st) Något annat.


    Kurslitteraturen.

  5. Vad tycker du om kursboken (Gurney)?

    1. 3% (2 st) Mycket bra.
    2. 30% (19 st) Bra.
    3. 37% (23 st) Hyfsad.
    4. 8% (5 st) Mindre bra.
    5. 5% (3 st) Dålig.
    6. 14% (9 st) Har inte använt den.

    Ev. kommentar om boken:

    Kändes inte bra att köpa den när du sa att den var ytlig. Så jag lånade bok på bibblan istället och försökte så gott som möjligt att tillgodogöra mig kunskap på den vägen.
    ---
    Bra, men det fattas lite mycket. Skönt att inte ha för mycket matematik innan man fattat koncepten.
    ---
    Väldigt pratig, för "mjuk" kanske. Saknar exempel och uppgifter.
    ---
    Lite för ytlig
    ---
    Irriterande att den förklarar grundläggande matematik, bättre om den koncentrerade sig på ämnet.
    ---
    Lite för låg nivå! Lättillgänglig.
    ---
    Föreläsningsanteckningarna var fullt tillräckliga
    ---
    Inte direkt en bok värdig en civilingenjör.
    ---
    Lite ytlig
    ---
    Mycket ord-bajseri
    ---
    Författaren uttrycker sig onödigt krångligt. Jag förstod inte vad han ville få sagt förens jag hade labat och fått lite kött på benen.
    ---
    Det är jo lite ovant med den låga metematiska nivån, men när man lärt sig hoppa över de partier som man redan kan är det inget problem. Inte så djup inom de specifika områdena tyvärr.
    ---
    Lite väl grund ibland
    ---
    Boken hade klara identitetsproblem. Att försöka
    skriva en bok som tar upp såpass mycket matte utan
    att förutsätta förkunskaper i matte är svårt och jag
    tycker att slutresultatet blev att den inte verkade
    passa för någon.

    ---
    Den är rätt tråkig att läsa.
    ---
    Vissa förvirrande beskrivningar när han försöker undvika att vara "matematisk"
    ---
    Vissa beskrivningar av hur nätverk fungerar var svåra att förstå
    ---
    Lite väl pratig, önskvärd utforming:
    utgå mer från formella definitioner som förklaras
    med hjälp av exempel.

    ---
    Lite ytlig i flera stycken. Skulle vara bra med en bok som även håller mer djup för de olika algoritmerna.
    ---
    För övergripande, jag hade i alla fall inte mått dåligt av lite mer matematiska moteveringar.
    ---
    Mycket snack och lite verkstad. Krävdes mycket koncentration för att ta sig igenom intetsägande kapitel för att kunna hitta små guldkorn.
    ---
    Bra som introduktion. Mycket bra och pedagogiska förklaringar. Önsakde ofta att den skulle vara mer matematiskt djupgående i algoritmbeskrivningar.


  6. Vad tycker du om övrigt utdelat material (speciellt artiklarna)?

    1. 6% (4 st) Mycket bra.
    2. 51% (32 st) Bra.
    3. 27% (17 st) Hyfsat.
    4. 2% (1 st) Mindre bra.
    5. 2% (1 st) Dåligt.
    6. 8% (5 st) Har inte använt det.

    Ev. kommentar om övrigt material:

    Har ännu inte läst alla artiklar. Men de jag sneglat på ser väl bra ut antar jag.
    ---
    Det vore bra om vissa av artiklarna (RL) illustrerades med exempel
    ---
    Bra Intressanta artiklar. Komplexitetsgraden mycket väl avvägd till kursen.
    ---
    Vetenskapliga artiklar är ju oftast skrivna för en publik som redan vet mycket om det dom ska läsa. Det gör dem till inte så otroligt bra material.
    ---
    Bra, intressanta.
    ---
    Skulle vilja ha lite bättre föreläsningsanteckningar, med t.ex. förklaringar för parametrar etc.
    ---
    Av varierande kvalitet. Artikeln om frågesystemet för djursorter kändes t ex inte så relevant. Kansike kunde man kompletterat det utdelade materialet med en fet jämförande tabell för olika nättyper för att effektivt få överblick.
    ---
    Artikeln om GA var mycket bra men artikeln om RL var mycket svårförståelig när värdefunktionen skulle analyseras. Artikeln om Bayesiska nät innehöll tyvärr nästan ingenting om den underliggande kontruktionen av Bayesiska nät.
    ---
    Mer exempel på tillämpning av RL och GA.
    ---
    Önskvärt med bättre föreläsningsanteckningar... om man som jag missade
    några föreläsningar var det svårt att sätta sig in i avsnittet bara med hjälp
    av OH-bilderna...

    ---
    Dela ut fler artiklar, istället för att ha en dålig bok.
    ---
    Artiklarna var lagom uttömmande.


  7. Vad tycker du om informationen via webben?

    1. 29% (18 st) Mycket bra.
    2. 49% (31 st) Bra.
    3. 14% (9 st) Hyfsat.
    4. 3% (2 st) Mindre bra.
    5. 0% (0 st) Dåligt.
    6. 2% (1 st) Har inte använt det.

    Ev. kommentar om information via webben:

    Jättebra!
    ---
    Bayesian ville jag veta hur implementationen såg ut. Reinforcement var lite kortfattad och jag orkade inte ta till mig de långa ekvationerna.
    ---
    Bra med bokningssystem
    ---
    Inget speciellt att anmärka på.
    ---
    Allt material borde vara tillgängligt via nätet.
    Det är inte SÅ mycket jobbigare att scanna in ett papper än att kopiera upp det.

    ---
    Lätt! smidigt! bra!
    ---
    uppdaterades med kursens gång. egentligen önskar jag att det fanns ett standardutseende för alla KTHs kurssidor.
    ---
    Tentainfo någon annastans än under "kursinfo" vore trevligt, men nu är vi petiga. ;)
    ---
    Vissa frågor/påståenden under "Kursplan" tas inte riktigt upp under föreläsningen eller i OH-bladen (exv Hebbs cell-assembly hypotes där visserligen principen tas upp men inte under något namn)
    ---
    Ganska ostrukturerad och otydlig.
    ---
    Bra labbokningssystem!


    Föreläsningarna.

  8. Hur stor del av föreläsningarna har du varit på?

    1. 3% (2 st) Mindre än 20%.
    2. 3% (2 st) 20-40%.
    3. 8% (5 st) 40-60%.
    4. 22% (14 st) 60-80%.
    5. 60% (38 st) Mer än 80%.


  9. Vad tycker du om föreläsningarna pedagogiskt sett? (Förklaras stoffet bra? Talar och skriver läraren tydligt? Används stordia i lagom omfattning?)

    1. 54% (34 st) Mycket bra.
    2. 38% (24 st) Bra.
    3. 3% (2 st) Acceptabelt.
    4. 0% (0 st) Mindre bra.
    5. 0% (0 st) Dåligt.
    6. 0% (0 st) Har inte deltagit.

    Ev. kommentar (gärna konstruktiv):

    Mer exempel från verkliga världen. Det finns bra demos på alla tekniker.
    Det börjar bli dags att digitalisera texten. Det var mycket handskrivna OH-bilder.

    ---
    Väldigt tydliga och informativa men lite lågt tempo ibland. Det kan kännas som att man säger om samma sak flera gånger.
    ---
    Mycket bra föreläsare med bra röst
    ---
    Årets lärare på kth?
    ---
    Mycket bra föreläsare.
    ---
    Stor eloge till Örjan som hållit föreläsningarna på en bra nivå. Bra att hela tiden få konkreta exempel på vad algoritmerna kan användas till. Det är tydligt att Örjan är en av de få föreläsarna på KTH som försöker utveckla sin pedagogik utifrån studenternas synvinkel. Fortsätt så!
    ---
    Väldigt intressant att "stoffet" knyts an till verkligheten. I andra kurser är det inte ovanligt att läraren direkt smäller upp en massa mate istället för att förklara vad modellen skall användas till.
    ---
    En av de bästa föreläsarna jag haft!
    ---
    Det kan vara lite svårt att hålla fokus på topp en hel föreläsning när det blir mycket formler, det är ju inte helt lätt att koppla dem med verkligheten på den lilla tid man har på sig på en föreläsning. Föreläsarens stora intresse för området smittar av sig till oss, och gör det betydligt mycket roligare.
    ---
    Lite mycket ludd runtomkring. Mer ingående hade varit fint.
    ---
    Bland de bästa jag följt på KTH
    ---
    Otroligt bra pedagogiska förelläsningar. Intressanta och förklarande!
    ---
    jättebra föreläsare. mycket pedagogisk
    ---
    Läraren förklarar bra.
    ---
    Bra och pedagogisk lärare. Det skulle vara bra med mera beskrivningar av hur man skall föreställa sig olika saker som ex vektorerna osv. Speciellt för omatematiska personer som jag
    ---
    Toppenföreläsningar. För mig personligen var det för mycket fokus på matematiken men jag antar att det inte gäller andra.
    ---
    Örjan är en av de i särklass bästa föreläsarna på KTH.
    ---
    Läraren pratar svenska jättetydlig. Även jag, som är utländare, kunde förstå honom. Tack!
    ---
    Mindre antal visade slides och mer genomgång på tavlan.
    Brummet från oH:n gör att man somnar... Annars tycker jag
    att läraren förklarade bra kring slidesen.

    ---
    Borde använt dataskrivna OH-bilder. Känns lite som koncervativa mattesektionen med handskrivna.
    ---
    Hade en känsla att många algoritmer inte förklarades djupgående och matematiskt i syftet att förenkla. För mig hade det varit enklare och intressantare att få en mer utömmande förklaring och härledning.

    Mycket tydlig och bra struktur och bra exempel!


  10. Vad tycker du om föreläsningarna innehållsmässigt sett? (Behandlas rätt saker? Förklaras det som behöver förklaras?)

    1. 32% (20 st) Mycket bra.
    2. 52% (33 st) Bra.
    3. 6% (4 st) Acceptabelt.
    4. 2% (1 st) Mindre bra.
    5. 0% (0 st) Dåligt.
    6. 2% (1 st) Har inte deltagit.

    Ev. kommentar (gärna konstruktiv):

    Skulle kanske gå lite snabbare ibörjan och lägga ner mer tid på slutet. Helst lite fler föreläsningar så att man kunde gå lite djupare in på grejerna på slutet.
    ---
    Gärna med inngående förklaringar
    ---
    En sak som är jättebra är att en "visuell" förståelse
    betonas. Dvs. Örjan har inte bara slängt ut en massa
    formler, och försökt förklara varje term, utan han
    har även ritat bilder och med hjälp av dem förklarat
    vad de olika algoritmerna går ut på.

    ---
    kanske vore det bra med mindre bredd och mera djup. Man lär sig bäst på labbarna.
    ---
    Lagom övergripande nivå utan matematiska djupdykningar gör att det är lätt att ta till sig helhetsbilden. En av de bästa kurserna under min utbildning angående detta.
    ---
    Det är ju svårt att bedömma, men jag tycker att jag lärt mig mycket. Däremot har jag givetvis fått fler frågor också, men det är väl så det ska vara.
    ---
    Bra komplexitetsnivå.
    ---
    jag hade nog förväntat mig lite mer att lära mig lite mer konkreta saker av den här kursen. det blev ganska mycket "till det här och det här har man framgångsrikt använt neuronnät" och "det här berättar jag inte exakt hur man gör" och lite väl lite "så här gör du när du konstruerar ett neuronnät". vore roligare att få lite mer konkreta kunskaper. nu känns det som att man har nosat en massa på ytan och lärt sig att det finns och ungefär hur det fungerar men inte kan använda det på riktigt.
    ---
    Jag efterlyser fler försök till icketekniska sammanfattningar som skulle underlätta för oss som kommer från SU.
    ---
    Mer praktiska exempel som visar hur principerna
    bakom algoritmerna fungerar.

    ---
    Kunde gärna vara mer härledningar (av konvergens etc.)
    ---
    Jättesvårt att veta, då området var helt nytt för mig. man fick en bra överblick känns det som.


    Laborationerna.

  11. Vad tycker du om laboration 1 (BackProp)?

    1. 27% (17 st) Mycket bra.
    2. 57% (36 st) Bra.
    3. 5% (3 st) Acceptabel.
    4. 2% (1 st) Mindre bra.
    5. 2% (1 st) Dålig.

    Ev. kommentar (gärna konstruktiv):

    Inget lämnades åt laboranten. Att bara "skriva av" uppmuntrade inte
    till förståelse för vad man gjorde.

    ---
    Labben var ganska styrd, inte så mycket tänka själv, vilket är både bra och dåligt. Det går snabbare men man lär sig nog mindre. Labben var ändå lärorik.
    ---
    Lite för mycket ledning. Man lär sig mer om man får klura själv.
    ---
    Rolig med 3D-visualisering. Bra för att få en bild av hur nätverken "tänker". Lite väl mycket "skriv av anvisningarna", men det kan kanske vara motiverat på första laborationen
    ---
    Några fel i lab peket var synd. I övrigt tyckte jag att man fick en bra insyn i hur dessa nät fungerade
    ---
    Lite väl lätt och tillrättalagd. Skulle vara roligt med mer tänka.
    ---
    Lite väl mycket färdig kod i labspecen. Ett alternativ vore kanske att ge koden i filer, men öka storleken på
    labben. Nu blev det lite "klippa och klistra".

    ---
    För mycket av en fyll-i-här-övning.
    ---
    Gav en bra insikt i delta och backprop. Bra start på kursen.
    ---
    Lite för mycket handhållande.
    ---
    Att (nästan) all kod stod i peket sparade tid men man hade nog förstått bättre om man tvingats göra den själv. Algoritmen stod tydligt förklarad.


  12. Vad tycker du om laboration 2 (Hopfield-nät)?

    1. 25% (16 st) Mycket bra.
    2. 59% (37 st) Bra.
    3. 8% (5 st) Acceptabel.
    4. 0% (0 st) Mindre bra.
    5. 0% (0 st) Dålig.

    Ev. kommentar (gärna konstruktiv):

    Den bästa av labbarna. Dock fanns det en del otydligheter i
    labb-beskrivningen (jag talade om detta vid redovisningen,
    så det bör väl åtgärdas).

    ---
    Kanske den mest lärorika labben.
    ---
    Fick inte helt grepp för hur dessa fungerar matematiskt ( vilket senare skulle visa sig vara ganska enkelt), annars mycket bra.
    ---
    samma som ovan
    ---
    Det blev hemskt mycket kod att skriva vilket innebar att det tog lång tid.
    ---
    Svår att förstå till en början.
    ---
    Bra, men man visste inte riktigt hur bra man skulle få till sista gaussklockan. Detta gjorde att vi strulade ganska länge helt i onödan.
    ---
    Jag fattade inte förrän långt efter åt hur det funkade men det var inte labbens fel...


  13. Vad tycker du om laboration 3 (BCPNN)?

    1. 6% (4 st) Mycket bra.
    2. 30% (19 st) Bra.
    3. 33% (21 st) Acceptabel.
    4. 17% (11 st) Mindre bra.
    5. 3% (2 st) Dålig.

    Ev. kommentar (gärna konstruktiv):

    Tråkig labb när man bara kör någon annans program. Fick inte lika bra insyn hur algoritmen fungerade. Alla fönster som poppade upp och alla färgerna var svåra att förstå.
    ---
    Kändes lite meningslös eftersom man bara kollade hur det uppförde sig utan att gå in på teorin.
    ---
    Lite oklart vad systemet gjorde. Det hade varit kul med en inblick i hur det var utformat mer i detalj
    ---
    Kanske inte tillräckligt omfattande/djup (tog mig mindre
    än en timme att göra).

    ---
    lite svårt att förstå vad som händer på insidan när man bara får se input och output
    ---
    Hajade inte riktigt vad jag gjorde då.
    ---
    Ingen förståelse för vad som händer skapas. Känns som man arbetar med en svartbox.
    ---
    Tja, man lärde sig inte speciellt mycket på den. Svårt
    att fatta hur programmet funkade, och vad som hände.

    ---
    Man fick ingen riktig inblick i vad som hände i den svarta lådan.
    ---
    Rolig men tråkigt att man inte får konstruera de bakomliggande algoritmerna eller åtminstånde i detalj se fur de fungerar eftersom det ökar förståelsen väsentligt!! Skulle vara roligt om man kunde få skapa ett litet nät själv också!!
    ---
    Skulle vara trevligar ifall man fick implentera nätet själv.
    ---
    Det mesta om BCPNN från denna labb lärde jag mig under redovisningen, inte under själva labbandet. Lite för mycket pekande och för lite tänka själv...
    ---
    Det var ju inte så mycket att göra själv, så man fick koncentrera sig för att lära sig ordentligt.
    ---
    Kändes alldeles för mycket klipp och klistra. Vi gjorde den på 1.5 timme.
    ---
    Lite väl "färdigbyggd". Kändes mest som man lekte med ett program. Lärde inte så mycket.
    ---
    Man kan göra laborationen utan att förstå nätet. En mer ingående beskrivning av nätets struktur hade gjort laborationen intressantare.
    ---
    Rolig! Men labbassistenten som jag redovisade för var lite väl släpphänt; det var klart på ungefär fem minuter.
    ---
    Lite för mycket "provat på". Roligt men inte så lärorikt.
    ---
    Intuitiv avläsning av databasen för djur försvårades av att djurens egenskaper var tveksamt inskrivna. (ex. Kort svans efterfrågades om man sagt ingen svans). Inte lika intressanr som de andra labbarna
    ---
    Man lärde sig inte så mycket om hur BCPNN är uppbyggda.
    ---
    Gärna lite inledande exmpepel med matlab-kod som visar hur bayes teori påverkar viktuppdaterningen.
    ---
    Jag hade inte möjlighet att gå på föreläsningen. Tycker inte att jag
    kunde inhämta kunskap om området från utdelat material och laborationen...
    Naturligtvis är det mitt eget fel, men jag skulle ändå önska att det funnits
    ett alternativt sätt att läsa in det och förstå det..

    ---
    Fick inte så mycket nblick om uppbyggnaden
    ---
    Assistenten var inte förberedad.
    ---
    Gav mig mycket litet.
    ---
    Jag har fortfarande svårt att förstå SOFM.
    ---
    Labben kändes onödig. Lärde sig ingenting, även om den var som en kul demo! Hade varit bättre om man fått implementera grejer själv.
    ---
    Det vore bra med en bild av nätets struktur med inputnoder och så för tydlighetens skull.
    ---
    Den gav inte bra förståelse i hur BCPNN-nätet fungerade, sa inget om nätarkitekturen, var mest bara ett trevligt och roligt exempel.


  14. Vad tycker du om laboration 4a (Radialbasfunktioner)?

    1. 8% (5 st) Mycket bra.
    2. 32% (20 st) Bra.
    3. 10% (6 st) Acceptabel.
    4. 3% (2 st) Mindre bra.
    5. 0% (0 st) Dålig.
    6. 32% (20 st) Har inte gjort den.

    Ev. kommentar (gärna konstruktiv):

    Den alla första delen var intressant, även om deltaregeln kändes som en upprepning av lab1.
    Den andra delen kändes helt meningslös.

    ---
    Det kändes inte riktigt som om man lärde sig något nytt. Hade varit bättre med en ren RL - labb
    ---
    Rätt tråkig. Kändes som ett steg tillbaka till lab. 1. Hade varit roligt med ett enkelt system för "reinforcement learning"
    ---
    Det hade varit bra med ett redovisningstillfälle till närmare tentan.
    ---
    Gav en klar bild hur det fungerar.


  15. Vad tycker du om laboration 4b (Analys av data)?

    1. 13% (8 st) Mycket bra.
    2. 10% (6 st) Bra.
    3. 0% (0 st) Acceptabel.
    4. 0% (0 st) Mindre bra.
    5. 0% (0 st) Dålig.
    6. 52% (33 st) Har inte gjort den.

    Ev. kommentar (gärna konstruktiv):

    Gick snabbare än förväntat.
    ---
    Bra att man får fria händer och tänka själv.
    ---
    Denna var till synes den roligaste men pga tidsbrist gjordes den inte. SAkulle kunn vara ett mycket bra (lärorikare bättre intressantare) alternativ till tentan.
    ---
    Kul att få fria händer och tillämpa det man lärt sig. Först klura ut vilken metod som är bäst, och sedan inplementera den effektivt.
    ---
    Det var en rolig och intressant uppgift, kul att få tänka och pröva själv.
    ---
    Kul att göra en uppgift utan direkt facit. De föreslagna uppgifterna var dock lite vär lätta.
    Hade hoppats på lite utmaning i en sådan "extra"-labb.

    ---
    om verktygen (som det gavs länkar till) hade anpassats lite mer för kursen så skulle man kunnat haft tid att försöka sig på mer avancerade saker.
    ---
    med avseende på tentamen är det bättre att göra 4a.


    Tidsåtgång.

  16. Hur stor del av din totala studietid under period 3 har du ägnat åt den här kursen?

    1. 6% (4 st) Mindre än 15%.
    2. 27% (17 st) 15-30%.
    3. 44% (28 st) 30-50%.
    4. 16% (10 st) 50-70%.
    5. 2% (1 st) Mer än 70%.


  17. Kursen är på 4p (3p för tentan och 1p för laborationskursen). Vad tycker du om det jämfört med andra kursers poängantal?

    1. 84% (53 st) Lagom med 4p.
    2. 11% (7 st) Borde vara mer.
    3. 2% (1 st) 4p är för mycket.


  18. Ytterligare kommentarer om kursen:

    Kurser av den här typen bör vara fokuserade på labbarna. En fördelning av 3/1 labbar/tent vore rimligare. Orsaken är att tentan som vanligt kommer att ha frågor där man exakt ska komma ihåg en inlärningsregel, eller liknande, trots att man i verkligheten slår upp det man behöver, när man behöver det. Därför borde labbarna vara svårare och ta mer tid, men tentan borde vara enklare och ta mindre tid.

    Det finns säkert många bland eleverna som klarar kursen, men inte kan implementera något av detta i verkligheten efteråt.

    Ställ högre krav på labbarna på eleverna.

    ---
    Bra kurskompendie, men trist att den kom lite sent. Webbsidan skitbra, och du svarade snabbt på mejl! Det tristaste med kursen var väl den dåliga planeringen på föreläsningssal som jag antar beror på mindre bra prognos på hur många elever skulle söka till kursen (kanske går det tillämpa ANN-tekniker för prognotisera framtida elevkullar??).
    ---
    Det här var kanske den mest lyckade kurs jag gått
    på KTH: intressant område, bra labbinnehåll samt
    väl genomförda föreläsningar (innehållsmässigt och
    pedagogiskt)Tack :)

    ---
    Labbarna borde nog vara värda 2 poäng, och därmed kursen totalt 5 poäng.
    En mycket trevlig kurs att läsa!

    ---
    Kursen borde vara mer djupgående och ge 6 poäng.
    Det känns som om man mest skrapar på ytan.

    ---
    5 av 5 till Örjan för bra föreläsningar.
    ---
    Labbarna var ganska lätta. Örjan var fenomenal!
    ---
    En möjlig förändring(förbättring?) skulle kunna vara
    att man har lite fler labbar, eftersom labbarna var
    till stor hjälp för att lära sig att förstå de olika
    algoritmerna. Men då bör man även göra labbarna lite
    lättare, eftersom jag inte tycker att arbetsbördan
    med labbarna ska öka, utan endast antalet labbar.

    ---
    Många andra 4p-kurser har högvis med detaljer man måste lära sig. På detta sätt är kursen rätt "enkel" för att vara 4 poäng. I detta fall dock inte enkel=innehållslös, utan enkel=rätt fokuserad

    Laborationerna hade gärna fått vara lite mer utmanande, då det ibland varit "skriv av anvisningen". Hade varit roligt att göra lite mer fria laborationer och aningens mer komplexa system.

    Föreläsningsserien och kursens innehåll en av de bästa på KTH för mig. Tack!

    ---
    Jag tycker att labarna var oerhört givande. Om labarna inte fans skulle jag inte ha lärt mig nånting alls.
    ---
    Mycket bra kurs! Intressant och rolig. En av de bästa kurser jag gått.
    ---
    En bra kurs helt enkelt, och ett mycket intresant ämne. Jag vet att det egentligen inte ingår i denna kursen, men jag skulle gärna göra en laboration med genetiska algoritmer. Kanske finns det någon annan kurs där detta passar bättre...
    ---
    Jag har inte skrivit tentan än. Vet inte hur lurig den blir, så det är lite svårt att säga nu.

    Vad jag verkligen vill framhålla är att om man gått maskininlärningen blir den här kursen alldeles för lätt. Labbarna blir överstökade på noll komma nix och materialet som täcks på kursen känns alldeles för orienterande och för lite ingående. Det skulle förmodligen behövas lite mer kommunikation mellan kursledningarna....=) Fast det är en bra kurs iaf. Detta är tänkt som just konstruktiv kritik!

    ---
    Om kursen i stort finns bara positivt att säga.
    Mycket bra kursledare/föreläsare, högintressant innehåll.

    ---
    En väldigt trevlig och intressant kurs (därmed också lätt).
    ---
    Kursen skulle må mycket bra av att ersätta tentan med
    inluppar och ett lite större projekt, jmfr krypto-kursen
    eller karaktären av labbar och inlämningsuppgifter i
    programmering av parallella system. Som det ser ut nu
    upplever jag att jag fått en altför "hafsig" förståelse
    för många av de olika typerna av system.

    ---
    Tyärr var tentamen lite för koncentrerad på ett par kursavsnitt..Mycket skippades helt. Bättre variation på uppgifterna efterlyses!
    ---
    Det skulle vara kul att se mera praktiska example. Demos och liknande.
    ---
    I jämförelse med poäng på kurser på SU skulle den, åtminstone om man som jag inte har bra matematik-kunskaper, helt klart mosvara 5p.

    Det skulle varit kul att få fördjupa sig något mer i nejonögon-projektet. Jag skulle gärna haft mer kopplingar till biologi. Saknar även lite mer allmänna resonemang om neuronnätens möjligheter och begränsningar, t ex jämförelser med klassisk AI.

    ---
    Bra och rolig kurs. Skulle gärna gå en fortsättningakurs om det blir någon.
    ---
    Labbar är alltid lärorikt, gör fler labbar (eventuellt genom att minska vikten hos tentan).
    ---
    Vad det gäller fråga 17, 4 p är lagom. Andra kurser som tar
    mer tid än vad kurspoängen anger borde ökas.

    ---
    Bra inkörsport till ann, men nu vill man gärna lära sig lite mer hur man kan använda detta till att t.ex reglera system. Lite svårt att välja någon fler sådan kurs dock eftersom jag läser min sista kurs nu!
    ---
    Några av labredovisningarna kändes väldigt hastiga. Det vore trevligt om de gjordes lite noggrannare så att man fick mer feedback på det man gjort. (När så många fler än planerat gick kursen kan jag dock förstå att det blir stressigt på redovisningspassen.)
    ---
    Labhandledarna som man redovisade laben för var ofta oinsatta i både labben och teorin, en gång hade denne inte ens läst peket. Det är synd för det är det bästa tillfället att fråga på och det blir ju svårt då.


Denna sammanställning har genererats med ACE.