Kursanalys, Artificiella neuronnät och andra lärande system, 2D1432, 4 poäng

Kursdata

Mål

Kursens mål är att ge grundläggande kunskaper om ANN-baserade och andra inlärningsbaserade metoder samt övning i praktisk användning av dessa för att studenterna ska få en förståelse för den tekniska potentialen samt fördelar och begränsningar hos dagens lärande och självorganiserande system.

Sammanfattning

Detta är en kurs öppen för många olika utbildningsprogram och de som väljer den motiverar ofta sitt val med att ämnet verkar roligt. Det verkar också som att vi lyckats infria de höga förväntningarna, flera studenter har t.o.m. berättat att detta var en av de roligaste kurserna de läst på teknis.

En potentiellt problem med kursen är att flera studenter har läst den nya kursen i maskininlärning (2D1431) och det finns ett visst överlapp i kursinnehåll som behöver åtgärdas. Sedan många år är bristen på en lämplig kursbok besvärande. Den vi använder nu är lite väl översiktlig medan alternativen är alltför snäva i sitt innehåll.

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. Dessutom har studenterna arbetat med fyra obligatoriska laborationer som till stor del är av demonstrationskaraktär.

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 en halvtimmes 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

Den nuvarande kursboken (Gurney) vänder sig egentligen inte till ingenjörer och undviker därför alla matematiska detaljer. Däremot ger den en utmärkt beskrivning av hur de centrala algoritmerna fungerar baserat främst på intuitiv förståelse.

Vi har kompletterat kursboken, dels genom att kopiera alla OH-bilder som använts på föreläsningarna, dels genom att dela ut några översiktsartiklar inom området. Några avsnitt i kursen behandlas inte alls i kursboken (Reinforcement learning, BCPNN and genetiska algoritmer) och beskrivs därför bara i det utdelade extramaterialet.

Studentsynpunkter

Vid kursens slut gjordes en enkät som besvarades av 27 studenter. Resultatet finns här. De flesta tycker att det är en rolig kurs och är också nöjda med själva genomförandet. Föreläsningarna är mycket uppskattade medan kursboken får viss kritik för att vara för ytlig.

Några studenter tycker att vi borde gå in mer på de matematiska detaljerna medan andra istället tycker att det är lite väl mycket matematik. Den stora spridningen i studenternas bakgrund gör att vi måste anpassa oss till någon slags medelnivå, vilket vi tycks lyckas bra med.

Några av labbarna är i stort behov av en uppfrächning. Inför årets kursomgång gjordes en del förändringar av labb 2 med tanke på att labb 3 behöver ersättas med en ny labb för att undvika det överlapp som nu finns mellan labb 2 och 3.

Kursens belastning för studenterna

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

Förkunskaper

Eftersom kursen vänder sig till studenter från många olika utbildningsprogram är förkunskapsnivån mycket varierande. Trots detta har vi inte upplevt några större problem med studenternas förkunskaper.

Planerade förändringar

Kursen är i stort behov av en bättre kursbok. Den nuvarande boken ger en bra intuitiv beskrivning av de viktigaste metoderna men går aldrig in på detaljerna. Den måste därför kompletteras med extra material. Tyvärr verkar det inte finnas någon lämplig bok på marknaden men vi bevakar ständigt utbudet av nya böcker inom området. På sikt borde vi fundera över om vi inte borde skriva ihop någon slags kurskompendium av tillräckligt hög kvalitet utgående från de nuvarande OH-kopiorna och föreläsningsmaterialet.

Precis som förra året kvarstår önskemålet att få in mer problemlösning i laborationerna. De nuvarande laborationerna bygger på de som använts i liknande kurser tidigare men dessa kurser har ofta vänt sig till studenter med mycket mindre programmeringsvana och är anpassade för detta förhållande. Inför årets kursomgång gjordes några förändringar i den riktningen, men önskemålet kvarstår. För att få riktigt bra labbar borde vi göra en mer omfattande omarbetning med målet att studenterna själva får implementera och använda metoderna istället för att främst köra färdiga verktyg som döljer var som egentligen sker. Den laboration som är i störst behov av omarbetning är laboration 3 (BCPNN) som bygger på användningen av ett färdigt program där studenterna aldrig får se precis vad som händer internt.

Genom tillkomsten av kursen i maskininlärning (2D1431) har det uppstått ett överlapp både vad gäller kursinnehåll och labbinnehåll. Det finns ett stort behov av att profilera de två kurserna så att det inte upplevs som onödigt att läsa båda kurserna. Detta är dock inte helt lätt eftersom många studenter läser bara den ena eller den andra kursen så många centrala principer och tekniker hör naturligt hemma i båda kurserna.