DAT158 Maskinlæring og videregående algoritmer

Kurset er todelt, hver del har omfang på 5 studiepoeng.

Maskinlæring:

I løpet av de siste årene har det skjedd en dramatisk utvikling innen en rekke områder knyttet til kunstig intelligens. Datamaskiners evne til å gjenkjenne og klassifisere objekter i bilder og videoer har gått fra være omtrent unyttig til å bli en sentral del av en rekke produkter; fra svært begrenset evne til å prosessere og syntetisere tekst, tale og bilder til utstrakt bruk av personlige digitale assistenter og generative modeller; fra amatørnivå i sjakk, poker, Go og Dota til verdens beste; fra kjøreassistanse til autonome kjøretøy.

Årsaken til dette er gjennombrudd innen maskinlæring. Feltet består av teknikker som gjør datamaskiner i stand til å avdekke kompliserte mønstre og sammenhenger i store datasett. Maskinlæring har hatt mange viktige anvendelser opp gjennom årene, men har aldri vært så gjennomgripende innen teknologi, vitenskap og programvareutvikling som i dag.

Kurset utforsker maskinlæring på et praktisk, prosjektbasert, ingeniør-fokusert, hands-on vis, med fokus på å løse problemer fra den virkelige verden.

Innen kurset er omme vil du ha en solid forståelse av de fundamentale ideene i feltet. Du vil ha erfaring med å takle virkelig-verden-problemer ved bruk av standard arbeidsflyt og moderne verktøy og rammeverk fra data-analyse, programvareutvikling og maskinlæring. Du vil også kjenne til feltets begrensninger, når det kan anvendes og ikke, og hvordan det er relatert til ultimate målsettinger innen kunstig intelligens.

Kurset vil gi en solid bakgrunn som du kan bygge videre på, for eksempel i en spesialisering innen kunstig intelligens eller videre på mastergrad, der emnet DAT255 gir en naturlig videreføring.

Videregående algoritmer:

I kurset gis det en innføring i avanserte og velkjente algoritmer innenfor ulike områder. Ulike typer problemløsning og rekursiv tenkning vil også bli gjennomgått. I tillegg vil det bli gjennomgått ulike aspekter av kompleksitetsteori med vekt på klassene P og NP samt mulige approksimative løsninger av NP-komplette problem.

Eksempler på algoritmer som blir gjennomgått er evolusjonære algoritmer og simulering av disse, splitt og hersk algoritmer og dynamisk programmering, tilnærmingsalgoritmer, randomiserte algoritmer, grafalgoritmer, heuristiske algoritmer, og algoritmer for tekstprosessering.