Datorintelligens A1N

Computational Intelligence (CI) behandlar metoder och algoritmer som är avsedda att lösa NP-hard problem. Många problem i verkliga världen är illa definierade och kan därför inte effektivt lösas med deterministiska metoder. CI metoder kan grovt delas in i neurala, fuzzy och evolutionära tekniker. Dessa tekniker liknar naturliga och biologiska system för att hitta approximativa lösningar i rimlig tid. CI har också en betydande överlappning med områdena artificiell intelligens och datautvinning, där fokus ligger på att upptäcka mönster och kunskap från data via maskininlärning.

Kursen kommer först introducera metoder som passar den traditionella definitionen av CI, nämligen: Artificial Neural Networks, Fuzzy Computation och Evolutionary Computation.

I kursen kommer också att diskuteras utvalda ämnen i maskininlärning, som: Övervakad inlärning där ingår Classification och regression trees, k-Nearest Neighbors, Neural Networks och Random Forests samt Oövervakad inlärning som omfattar k-Means and Hierarchical Clustering.

Önskvärda förkunskaper är grundläggande kunskaper i vektor- och matrisoperationer samt programmering.