Algoritmer och maskininlärning
|
|
- Linda Forsberg
- för 7 år sedan
- Visningar:
Transkript
1 Algoritmer och maskininlärning Olof Mogren Chalmers tekniska högskola 2016
2
3 De här företagen vill Tjäna pengar Hitta mönster i stora datamängder Göra förutsägelser Klassificera data Förstå människan
4 Maskininlärning Tjäna pengar Hitta mönster i stora datamängder Göra förutsägelser Klassificera data Förstå människan
5 Tjäna pengar (minikurs i ekonomi) Förstå vad dina kunder vill ha Ge dina kunder vad de vill ha Ta betalt för det de vill ha
6 Hitta mönster i stora datamängder Twitter 58 miljoner tweets om dagen 671 tweets per sekund
7 Information i tweets Ett tweet - lite information 58 miljoner tweets - mycket information Hur hantera?
8 Tweets under arabiska våren. David Beaver, University of Austin, Texas.
9 0.30 Sentiment Positive Negative 0.25 volume /24 11 AM 10/24 05 AM 10/23 23 PM 10/23 17 PM 10/23 11 AM 10/23 05 AM 10/22 23 PM 10/22 17 PM 10/22 11 AM 10/22 05 AM 10/21 23 PM 10/21 17 PM 10/21 11 AM 10/21 05 AM 10/20 23 PM 10/20 17 PM 10/20 11 AM 10/20 05 AM 10/19 23 PM 10/19 17 PM 10/19 11 AM 10/19 05 AM 10/18 23 PM 10/18 17 PM 10/18 11 AM 10/18 05 AM 10/17 23 PM 10/17 17 PM 10/17 11 AM 10/17 05 AM 10/16 23 PM 10/16 17 PM 10/16 11 AM 10/16 05 AM Rates of positive, negative emotion Emotion in Libya 10/16-10/24, Pos vs Neg
10 Beroenden Synliga observationer Dolda variabler Statistisk analys The Curly Fries Conundrum (Jennifer Golbeck, TED Talk)
11 Hittills Twitter, Google, övriga har massor av information Personifiering, riktad reklam Rekommendationer Företagsplanering (vad är coolt? inte coolt?) Maskininlärning: centralt
12 Maskininlärning
13 Maskininlärning Förbättrar prestanda efter observationer. Exempel: symptom, diagnoser Snuva Hosta Influensa
14 maskininlärning Typer: Övervakad (supervised) Ex. klassificering Ex. förutsägelser Oövervakad (unsupervised) Ex. klustring Ex. word2vec ordvektorer
15 Artificiella neurala nätverk Maskininlärning inspirerad av hjärnan Artificiella neuroner Signaler
16 Artificiella neurala nätverk inputs x0 Numeriska signaler Neuronerna lär sig x1 x2 x3 x4 output w0 w1 w2 w3 w4 y
17 Deep Learning inputs Neuroner i lager Många lager djupt nätverk Universal approximation Feature learning hidden layer outputs
18 Bild från författarna.
19 Deep Learning Översättningssystem Text till tal Tail till text Genererad handstil wikimarkup programmeringskod Bildklassificering - ImageNet bättre än människan Gmail smart reply
20 Deep learning i javascript cs231n.stanford.edu playground.tensorflow.org
21 Neural assistent för diskussionsforum (Hagstedt, Mogren, 2016) Djupa neurala sekvensmodeller Numeriska vektorvärda representationer Rekommendera relaterade Inlägg Trådar Användare Nystartat företag: Textual
22 Atari med Deep Q Learning Online Offline
23 Multi-Document Summarization Extrahera viktiga meningar Viktiga meningar - hög likhet med indata Neural word embeddings
24 Algoritmer
25 The stable marriage problem Gale-Shapley 1962 Ekonomipriset till Nobels minne Johan Jarnestad Kungl. Vetenskapsakademin
26 Grafteori Modeller för data Noder Kanter 3
27 Använda grafer Befolkningsdata SCB Proportionerlig täthet Simuleringar
28 Bioinformatik DNA-sekvenser Bayesiska metoder Grafiska modeller (e.g. HMMs)
29 CSALL Masterprogram Algorithms, Languages and Logic Ett skitbra program, där allt kul sker! Kärnan av datavetenskap
30 Algoritmer Grundkurs, TIN093, DIT600 Fortsättningskurs, TDA251, DIT280 Beräkningsbarhet Och annars? Peter Damaschke, Muhammad Azam Sheikh
31 Maskininlärning TDA231, DIT380 Probabilistiska grafiska modeller Support vector machines Deep learning Devdatt Dubhashi
32 Artificiell intelligens TIN172,DIT410 Teknisk kurs Programmeringsprojekt, Shrdlite Essä Peter Ljunglöf
33 Diskret optimering TDA206/DIT370 Linear programming Essä Ashkan Panahi, Peter Damaschke
34 Neurala nätverk FFR135 På institutionen för teknisk fysik Ganska teoretisk Väldigt givande Bernhard Mehlig
35 Christos Peter Dimitrakakis Damaschke Fredrik Mikael Johansson Kågebäck Richard Alexander Devdatt Dubhashi Johansson Schliep Olof Mogren Ashkan Panahi Aristide Tossou
36 Reflektioner Plan: människa-dator-interaktion Upptäckte algoritmer Nu doktorand
37 Slutsatser Börja brett Ni hittar det som är kul Mattekurserna är värdefulla...och kul!
38 Tack för er uppmärksamhet!
Matcha rätt hjärta till rätt patient med AI. Dennis Medved
Matcha rätt hjärta till rätt patient med AI Dennis Medved Översikt Introduktion IHTSA LuDeLTA Sammanfattning Framtida arbete Introduktion Hjärttransplantation Livräddande operation för patienter med hjärtsvikt
Läs merArtificiell Intelligens Lektion 7
Laboration 6 Artificiell Intelligens Lektion 7 Neurala nätverk (Lab 6) Probabilistiska resonemang Vad? Mönsterigenkänning Lära ett neuralt nätverk att känna igen siffror Varför? Få ökad förståelse för
Läs merSub-symbolisk kognition & Konnektionism. Kognitionsvetenskaplig Introduktionskurs (729G01) Mats Andrén,
Sub-symbolisk kognition & Konnektionism Kognitionsvetenskaplig Introduktionskurs (729G01) Mats Andrén, mats.andren@liu.se 1 Konnektionism Neutrala nät baseras på en (förenklad) modell av hur hjärnan fungerar.
Läs merProgrammering. Seminarier i datavetenskap, datorteknik och informationsteknik. Niklas Broberg
Programmering Seminarier i datavetenskap, datorteknik och informationsteknik Niklas Broberg niklas.broberg@chalmers.se 2018-09-27 Hur många från Datavetenskap? Datateknik? Informationsteknik? Översikt
Läs mer729G43 Artificiell intelligens / Maskininlärning 3. Marco Kuhlmann
729G43 Artificiell intelligens / 2015 Maskininlärning 3 Marco Kuhlmann Förra gången: Perceptroninlärning Beslutsregel predicerat y-värde Exempel: AND Välj parametrar θ 0, θ 1, θ 2 sådana att perceptronen
Läs merRegisterforskning Oktober 2018, Stockholm City Conference Centre. Möjligheter med Artificiell Intelligens inom registerforskningen
Registerforskning 2018 17 Oktober 2018, Stockholm City Conference Centre Möjligheter med Artificiell Intelligens inom registerforskningen Peter Funk Mälardalens Högskola Vem är Peter Funk? Artificiell
Läs merVad är Artificiell Intelligens (AI) Olika typer av AI och deras användningsområden Innovation med hjälp av AI Framtiden och etiska frågeställningar
1 Agenda Vad är Artificiell Intelligens (AI) Olika typer av AI och deras användningsområden Innovation med hjälp av AI Framtiden och etiska frågeställningar 2 Nuvarande AI Funktioner en grov Analogi Rekommendation,
Läs merSeminarier i datavetenskap, datorteknik och informationsteknik
Seminarier i datavetenskap, datorteknik och informationsteknik Niklas Broberg niklas.broberg@chalmers.se 2017-05-11 Hur många från Datavetenskap? Datateknik? Informationsteknik? Om er Hur många av er har
Läs merSeminarier i datavetenskap, datorteknik och informationsteknik
Seminarier i datavetenskap, datorteknik och informationsteknik Niklas Broberg niklas.broberg@chalmers.se 2018-05-14 Hur många från Datavetenskap? Datateknik? Informationsteknik? Om er Hur många av er har
Läs merProgrammering. Seminarier i datavetenskap, datorteknik och informationsteknik. Niklas Broberg
Programmering Seminarier i datavetenskap, datorteknik och informationsteknik Niklas Broberg niklas.broberg@chalmers.se 2017-09-21 Hur många från Datavetenskap? Datateknik? Informationsteknik? Översikt
Läs merInlärning utan övervakning
Översikt Biologiska mekanismer bakom inlärning Inlärning utan övervakning Inlärning utan övervakning Hebbiansk modellinlärning Självorganisering Arbetsfördelning mellan noder i ett lager som utvecklas
Läs merValinformation för IT2
Välkommen till Valinformation för IT2 inför valet av valbara kurser till nästa läsår måndag 7 april kl 15.15-16.00 i HB3 Välkomna! Wolfgang Ahrendt Anette Järelöw Börje Johansson Programansvarig Studievägledare
Läs merAppendix A. Dubbelkonsmodellen en datorexekverbar designprincip för hjärnan
Appendix A Dubbelkonsmodellen en datorexekverbar designprincip för hjärnan Min hypotes är att hierarkier av Cortical Feature Maps (CFM:er) utgör grunden för människans kognitiva förmågor. Denna hypotes
Läs merVindkraft och ML. - hur kan vindkraft dra nytta avml
Vindkraft och ML - hur kan vindkraft dra nytta avml AI och ML Intelligens: förmågan att utnyttja kunskap för att bättre lösa en klass av uppgifter Lärande: förmågan att förbättra sin förmåga att lösa uppgifterna
Läs merNeurovetenskap 30/08/2013. Kognitiv neurovetenskap. Lober. Olika färg, olika vävnadsstruktur. Hjärnbarken
729G01 Kognitionsvetenskaplig introduktionskurs: Kognitiv neurovetenskap och kognitiv modellering Rita Kovordanyi, Institutionen för datavetenskap (IDA) rita.kovordanyi@liu.se Kognitiv neurovetenskap Baseras
Läs merMatematik inom tekniksektorn Adam Andersson, MY-dagen 2016
Matematik inom tekniksektorn Adam Andersson, MY-dagen 2016 Om mig Min bakgrund: Konsult på Syntronic sedan juni 2016 Om mig Min bakgrund: Konsult på Syntronic sedan juni 2016 Forskare i matematik på TU-Berlin
Läs merALLMÄN STUDIEPLAN FÖR UTBILDNING PÅ FORSKARNIVÅ I MASKININLÄRNING
ALLMÄN STUDIEPLAN FÖR UTBILDNING PÅ FORSKARNIVÅ I MASKININLÄRNING /Machine learning Tekniska fakultetsnämnden - dekanus 2018-11-20 1. Ämnesområde Maskininlärning fokuserar på metoder med vilka datorsystem
Läs merVirtuella assistenter för bättre kundupplevelser
Virtuella assistenter för bättre kundupplevelser July 14, 2017 1 Introduktion Hur kan tech och mode samverka för att skapa en bättre kundupplevelse och utveckla e-handelsmarknaden? 1.1 Personligt bemötande
Läs merAI utmaningar inom kvalitetssäkring. Henrik Emilsson Teststrateg, Nordic Medtest AB
AI utmaningar inom kvalitetssäkring Henrik Emilsson Teststrateg, Nordic Medtest AB Först lite om Artificiell intelligens General AI vs. Narrow AI Maskininlärning Supervised Learning Unsupervised Learning
Läs merARTIFICIELLA NEURALA NÄT. MARCO KUHLMANN Institutionen för datavetenskap
ARTIFICIELLA NEURALA NÄT MARCO KUHLMANN Institutionen för datavetenskap Example Alt Bar Fri Hun Pat Price Rain Res Type Est WillWait 1 Yes No No Yes Some $$$ No Yes French 0 10 Yes 2 Yes No No Yes Full
Läs merLinköpings universitet
Översikt Kognitionsvetenskaplig introduktionskurs Föreläsning 4 Informationsbearbetningsmodeller Vad är kognitionsvetenskap? Kort bakgrund/historik Representation och bearbetning av information Vetenskapliga
Läs mer1(15) Bilaga 1. Av Projekt Neuronnätverk, ABB Industrigymnasium, Västerås Vt-05
1(15) Bilaga 1 2(15) Neuronnätslaboration Räknare Denna laboration riktar sig till gymnasieelever som går en teknisk utbildning och som helst har läst digitalteknik samt någon form av styrteknik eller
Läs merEn essä om AI och välfärdssystemet Anders Ekholm Senior rådgivare Institutet för Framtidsstudier
www.iffs.se Människan & Maskinen En essä om AI och välfärdssystemet Anders Ekholm Senior rådgivare Institutet för Framtidsstudier Teknologi grunden för all förbättring Tillsammans med stabila institutioner
Läs merStudienämnden Data 2012 13
Studienämnden Data 2012 13 Verksamhetsberättelse 3 2013-02-28 Christoffer Öjeling Emil Bryngelsson Daniel Toom Ordförande Vice Ordförande Arr-chef Öjeling, Bryngelsson, Toom SND Verksamhetsrapport 3 1
Läs merb) NY KURS (Ange kursnamn, årskurs, önskad läsperiod, schemablocksplacering. Bifoga utkast till kursplan.)
LINKÖPINGS TEKNISKA HÖGSKOLA Tekniska fakultetskansliet FÖRSLAG TILL PROGRAMNÄMND INFÖR ÅR NÄMND/NÄMNDER: Förslagsställare (Namn, funktion, Inst/Enhet) FÖRSLAGET GÄLLER: a) EXISTERANDE KURS (Ange kurskod
Läs merBig Data för Fordon och Transport! Vår Digitala Framtid, Trafikverket!! Björn Bjurling, SICS Swedish ICT, 20150421!
Big Data för Fordon och Transport! Vår Digitala Framtid, Trafikverket!! Björn Bjurling, SICS Swedish ICT, 20150421! Sammanfattning! Big Data är överallt! Big Data Analytics används för att utvinna information
Läs merProgrammering. Seminarier i datavetenskap, datorteknik och informationsteknik. Niklas Broberg niklas.broberg@chalmers.
Programmering Seminarier i datavetenskap, datorteknik och informationsteknik Niklas Broberg niklas.broberg@chalmers.se 2015-09-24 Hur många från Datavetenskap? Datateknik? Informationsteknik? Översikt
Läs merModeller och simulering av språkprocessning
Modeller och simulering av språkprocessning Seriell processmodell + parallell processmodell Parallell modell med 2-vägsförbindelser Artificiellt neuralt nätverk (ANN) Interaktiv aktiverings-modell (IAM)
Läs merAktuell information finns på anslagstavlor och på institutionens hemsida www.abo.fi/it. Studieperiod Kod Lärare Vecka Tid Auditorium
DATAVETENSKAP Information för årskurs 2-n ges i aud. Gamma tis 4.9 12-13. Kursutvärderingstillfälle för alla åk 9.12. i Gamma kl 13-15 och 7.5. i Gamma kl 10-12. Aktuell information finns på anslagstavlor
Läs merAnhållan om ändrad ersättning för vissa HST
INSTITUTIONEN FÖR FILOSOFI, LINGVISTIK OCH VETENSKAPSTEORI Institutionen för filosofi, lingvistik och vetenskapsteori Martin Jacobsson Viceprefekt för utbildning på grundnivå och avancerad nivå 031-786
Läs mer729G43 Artificiell intelligens (2016) Maskininlärning 3. Marco Kuhlmann Institutionen för datavetenskap
729G43 Artificiell intelligens (2016) Maskininlärning 3 Marco Kuhlmann Institutionen för datavetenskap Modell med vektornotation parametervektor särdragsvektor Perceptron kombinerar linjär regression med
Läs merSeminarier i datavetenskap, datorteknik och informationsteknik
Seminarier i datavetenskap, datorteknik och informationsteknik Niklas Broberg niklas.broberg@chalmers.se 2017-09-07 Hur många från Datavetenskap? Datateknik? Informationsteknik? Seminarieserie Seminarier
Läs merStudienämnden Data 2012 13
Studienämnden Data 2012 13 Verksamhetsberättelse 3 2013-02-28 Christoffer Öjeling Emil Bryngelsson Daniel Toom Ordförande Vice Ordförande Arr-chef Öjeling, Bryngelsson, Toom SND Verksamhetsrapport 3 1
Läs merLinköpings universitet 1
Vad är kognitionsvetenskap? Kognitionsvetenskaplig introduktionskurs Föreläsning 7 Tvärvetenskap Delvetenskaper, metoder Integrationsutmaningen Kognitionsvetenskap är ett tvärvetenskapligt kunskaps- och
Läs merArtificiell Intelligens den nya superkraften
Artificiell Intelligens den nya superkraften Socialchefsdagarna, 4 oktober 2018 #CGINext Artificiell Intelligens Förmågan hos mjukvara att agera självständigt på ett intelligent sätt tidigare bara associerat
Läs merARTIFICIELL INTELLIGENS (DEL 2)
ARTIFICIELL INTELLIGENS (DEL 2) ETT NYHETSBREV FRÅN FUTUREWISE FEBRUARI 2018 FUTUREWISE AI PÅ TOPPEN AV HYPEN I detta andra nyhetsbrev om artificiell intelligens fördjupar vi oss i tekniken bakom. Det
Läs merb) NY KURS (Ange kursnamn, årskurs, önskad läsperiod, schemablocksplacering. Bifoga utkast till kursplan.)
LINKÖPINGS TEKNISKA HÖGSKOLA Tekniska fakultetskansliet FÖRSLAG TILL PROGRAMNÄMND INFÖR ÅR NÄMND/NÄMNDER: Förslagsställare (Namn, funktion, Inst/Enhet) FÖRSLAGET GÄLLER: a) EXISTERANDE KURS (Ange kurskod
Läs merData mining. Data mining Skillnaden mellan observationella och experimentella data
Data mining Skillnaden mellan observationella och experimentella data Data mining Metoder för att automatisktupptäcka icke-trivial användbar information i stora datamängder 1 Data mining: (Mot-)exempel
Läs merKurser inom Datavetenskapligt kandidatprogram och Computer Science Master s programme våren 2010
Kurser inom Datavetenskapligt kandidatprogram och Computer Science Master s programme våren 2010 Inför varje termin måste du söka till de kurser du vill gå. Sista datum för ansökan är den 15oktober. För
Läs merAutomatisk Sentimentklassificering av Twitter-inlägg
[TYPE THE COMPANY NAME] Automatisk Sentimentklassificering av Twitter-inlägg Språkteknologi DD2418 Binxin Su, Christian Davilém 1/8/2013 [Type the abstract of the document here. The abstract is typically
Läs merSlump och statistik med Scratch
Lektionen handlar om att simulera tärningskast och skapa en statistikapplikation genom att arbeta med modifiera algoritmer. Lektionsförfattare: Måns Jonasson En digital lektion från https://digitalalektioner.iis.se
Läs merHF0010. Introduktionskurs i datateknik 1,5 hp
HF0010 Introduktionskurs i datateknik 1,5 hp Välkommna - till KTH, Haninge, Datateknik, kursen och till första steget mot att bli programmerare! Er lärare och kursansvarig: Nicklas Brandefelt, bfelt@kth.se
Läs merStatistisk mönsterigenkänning
Statistisk mönsterigenkänning Jonas Sandström Artificiell intelligens II Linköpings universitet HT 2011 Innehållsförteckning 1. Innehållsförteckning sid 2 2. Inledning sid 3 3. Statistisk mönsterigenkänning
Läs merHur kan AI förbättra våra processer?
Hur kan AI förbättra våra processer? Exempel på AI-relaterade projekt inom pappersindustrin Mats Tallfors Olsson Tomas Artificiell intelligens, AI Varför AI nu? CPU/GPU/Minne (Algoritmer) Data! Artificial
Läs merSamråd har skett med utbildningsledare vid akademin för innovation, design och teknik för de kurser de ansvarar för.
Programschema för Kandidatprogram i teknisk, 180 hp Programkod: Gäller för läsåret 2018/2019 Programschemat är granskat och godkänt av utbildningsledare vid akademin för utbildning, kultur och kommunikation,
Läs merWord2Vec. Högkvalitativa vektorrepresentationer av ord tränat på stora mängder data. Innehåll LINKÖPINGS UNIVERSITET. 1. Inledning...
LINKÖPINGS UNIVERSITET Innehåll 1. Inledning... 2 2. Terminologi... 3 3. Allmänt om Word2Vec... 3 4. Continous Skip-gram model... 4 Word2Vec Högkvalitativa vektorrepresentationer av ord tränat på stora
Läs merNy programansvarig och visioner för Datateknik, 300hp
Ny programansvarig och visioner för Datateknik, 300hp 9 maj 2011 Bakgrund: Vem är Patrik? Utb.: student Chalmers F 1992 1995, doktorand 2000, nu docent i programvaruteknik på D&IT-institutionen. Undervisning:
Läs merOnline klustring. UMEÅ UNIVERSITET 9 december 2003 Institutionen för Datavetenskap. Namn E-post
UMEÅ UNIVERSITET 9 december 2003 Institutionen för Datavetenskap Mönsterigenkänning 5p Online klustring Namn E-post Handledare Christina Olsén Tdbc94 Abstract. This report is an attempt at an introduction
Läs merIRIS Integrerat Dynamiskt Prognostiserande Underhållsstöd
1 IRIS Integrerat Dynamiskt Prognostiserande Underhållsstöd Scania CV, Linköpings universitet, Stockholms universitet Jonas Biteus, Scania CV Vehicle Service Information Projektstart: 2012 Projektavslut:
Läs merLinköpings universitet
2014-09-08 Översikt Kognitionsvetenskaplig introduktionskurs Föreläsning 5 Integrationsutmaningen Vad är kognitionsvetenskap? Kort bakgrund/historik Representation och bearbetning av information Vetenskapliga
Läs merSlump och statistik med Scratch. Se video
Se video I lektionen simuleras hundratals tärningskast på kort tid. Eleverna får skapa en statistikapplikation och lära sig att skapa och modifiera algoritmer. Måns Jonasson, Internetstiftelsen, har arbetat
Läs merHur får jag ut kraft och nytta av POWER?
Hur får jag ut kraft och nytta av POWER? TOP 25 ARTIFICIAL INTELLIGENCE SOLUTION PROVIDERS - 2017 Christoffer Göransson 0733-408700 Christoffer.goransson@inoviagroup.se Agenda Kort om oss Inovia/AI Hur
Läs merHierarchical Temporal Memory Maskininlärning
Hierarchical Temporal Memory Maskininlärning Innehåll Sammanfattning... 3 Inledning... 4 Vad är HTM?... 4 Hur fungerar HTM?... 4 Hierarchical... 4 Temporal... 5 Memory... 5 Hitta orsaker i världen... 5
Läs merOSE gruppen vid Åbo Akademi är en tvärvetenskaplig forskargrupp inom optimering och systemteknik
OSE gruppen vid Åbo Akademi är en tvärvetenskaplig forskargrupp inom optimering och systemteknik 2 10 Introduktion Ledningsgrupp Prof. Tapio Westerlund Anläggnings- och systemteknik Prof. Jukka Corander
Läs merBeslutas att fastställa särskild behörighet för masterprogram enligt handling.
PROTOKOLL LINKÖPINGS UNIVERSITET Fakultetsstyrelsen för tekniska fakulteten Dekanus Närvarande: Ulf Nilsson dekanus Ingela Wiklund föredragande Maria Boberg sekr 1 Särskild behörighet för masterprogram
Läs merProgramschema för Kandidatprogram i teknisk matematik, 180 hp Gäller för läsåret 2019/2020 Om programschemat
Programschema för Kandidatprogram i teknisk, 180 hp Programkod: Gäller för läsåret 2019/2020 Om programschemat Varje utbildningsprogram har en fastställd utbildningsplan där det bl.a. framgår alla i programmet
Läs merDatormetaforen. Från människa till dator Från dator till människa o.s.v.
Datormetaforen Från människa till dator Från dator till människa o.s.v. Det mekaniska tänkandet Räknemaskin tillverkad av Pascal 1642 Hjärnan ett avancerat urverk 1800-talet Henry Colebrooke, (president
Läs merSPEECH RECOGNITION USING ARTIFICIAL NEURAL NETWORKS. Linköpings Universitet 729G43 Artificiell Intelligens
SPEECH RECOGNITION USING ARTIFICIAL NEURAL NETWORKS Oscar Lundblad Osclu399@student.liu.se 2017-01-05 Linköpings Universitet 729G43 Artificiell Intelligens Innehållsförteckning Introduktion 3 Rapportens
Läs merAtt använda Weka för språkteknologiska problem
Att använda Weka för språkteknologiska problem Systemet WEKA (Waikato Environment for Knowledge Acquisition) är en verktygslåda med olika maskininlärningsalgoritmer, metoder för att behandla indata, möjligheter
Läs mer1 Särskild behörighet Masterprogram (Till Studiehandboken 2017) Dnr LiU
PROTOKOLL Delegationsbeslut FST del 2016-061 1(1) Fakultetsstyrelsen för tekniska fakulteten Delegationsbeslut Närvarande: Ulf Nilsson Kia Ölvander Maria Boberg dekanus föredragande sekreterare 1 Särskild
Läs mer729G43 Artificiell intelligens (2016) Maskininlärning 2. Marco Kuhlmann Institutionen för datavetenskap
729G43 Artificiell intelligens (2016) Maskininlärning 2 Marco Kuhlmann Institutionen för datavetenskap Förra gången: Gradientsökning tangentens lutning i punkt θ steglängdsfaktor Översikt Introduktion
Läs mer729G43 Artificiell intelligens / Maskininlärning 1. Marco Kuhlmann
729G43 Artificiell intelligens / 2015 Maskininlärning 1 Marco Kuhlmann Introduktion Maskininlärning Tack vare maskininlärning kan AI-system idag bl.a. producera och förstå naturligt språk kontrollera maskiner,
Läs merSjälvspelande Air-hockeyspel Med maskininlärning i centrum
KANDIDATARBETESRAPPORT Självspelande Air-hockeyspel Med maskininlärning i centrum HAMIDREZA AMININIA, HANNES NILSSON VAN RENSWOUDE & NICKLAS PETTERSSON Kandidatprojekt Institutionen för signaler och system
Läs merStudieplan för utbildning på forskarnivå i datalogi
Studieplan för utbildning på forskarnivå i datalogi Skolan för datavetenskap och kommunikation, KTH Reviderad version, 28 februari 2008. Gemensamma föreskrifter för utbildningen på forskarnivå vid KTH
Läs merPerception och Maskininärning i Interaktiva Autonoma System. Michael Felsberg Institutionen för systemteknik Linköpings universitet
Perception och Maskininärning i Interaktiva Autonoma System Michael Felsberg Institutionen för systemteknik Linköpings universitet Vad är WASP? Wallenberg Autonomous Systems Program Sveriges största individuella
Läs merSidan 1. Översikt P D P. Neurala nät i kognitiv neurovetenskap. Kursinnehåll. Kursens syfte P D P. Litteratur. Relation till ANN HKGC19/TDDC11
Översikt Neurala nät i kognitiv neurovetenskap HKGC19/TC11 Kursinformation Schema, examination, etc. arallellkurs i kognitiv modellering Artificiella neurala nät Kognitiv neurovetenskap (OM kap 1) Biologiskt
Läs merFråga 5 (1 poäng) För att definiera ett sökproblem krävs...
OBS! För flervalsfrågorna gäller att ett, flera eller inget alternativ kan vara korrekt. På flervarlsfrågorna ges 1 poäng för korrekt svar och 0,5 poäng om skillnaden mellan antalet korrekta svar och antalet
Läs merLiswi948, Lisa Widerberg, liswi948 Fördjupningsarbete Linköpings Universitet 729G43, Artificiell Intelligens
Lisa Widerberg, liswi948 Fördjupningsarbete Linköpings Universitet 729G43, Artificiell Intelligens 2018-01-11 Innehållsförteckning 1 Inledning 1 1.1 Bakgrund 1 1.2 Bilder som tredimensionella matriser
Läs merMachine Learning. Strategisk satsning inom fordonsindustrin (FFI)
Machine Learning Strategisk satsning inom fordonsindustrin (FFI) 1 Sammanfattning Machine Learning (ML) har potential att avsevärt förändra fordonsindustrin liksom övriga industrigrenar och samhället i
Läs merSeminarier i datavetenskap, datorteknik och informationsteknik
Seminarier i datavetenskap, datorteknik och informationsteknik Niklas Broberg niklas.broberg@chalmers.se 2015-09-10 Hur många från Datavetenskap? Datateknik? Informationsteknik? Seminarieserie Seminarier
Läs merInformationsfusion - en nyckelteknologi för informationsöverlägsenhet. Per Svensson
Informationsfusion - en nyckelteknologi för informationsöverlägsenhet Per Svensson Inst f Data- och informationsfusion Totalförsvarets forskningsinstitut Per Svensson okt. -01 1 Ledning som kommunikation:
Läs merDATAANALYS OCH AVANCERADE ALGORITMER MÖJLIGHETER MED UTÖKAD MÄTINFRASTRUKTUR
DATAANALYS OCH AVANCERADE ALGORITMER MÖJLIGHETER MED UTÖKAD MÄTINFRASTRUKTUR Mattias Persson (Ph.D.) 1 Oktober 2018 RISE Research Institutes of Sweden Measurement technology Agenda Bakgrund Målet med projektet
Läs merDD1350 Logik för dataloger. Vad är logik?
DD1350 Logik för dataloger Fö 1 - Introduktion Vad är logik? Vetenskapen som studerar hur man bör resoneraoch dra slutsatser utifrån givna påståenden (=utsagor, satser). 1 Aristoteles (384-322 f.kr) Logik
Läs merNeural bas för kognition
Kommunikation Neural bas för kognition stimulerande, retande inhiberande, förhindrande depolarisation vid tillräckligt mycket retning blir hela neuronen för en stund positivt laddad, då har en SPIKE uppnåtts
Läs merCADEC CALLISTA DEVELOPER S CONFERENCE
CADEC CALLISTA DEVELOPER S CONFERENCE 2018.01.24 GÖTEBORG Cadec 2018 med de senaste trenderna inom arkitektur och systemutveckling Java 9 ReactJS Blockkedjan Kafka Machine Learning GDPR Rivstarta 2018
Läs merTDDD02 Språkteknologi för informationssökning (2016) Introduktion. Marco Kuhlmann Institutionen för datavetenskap
TDDD02 Språkteknologi för informationssökning (2016) Introduktion Marco Kuhlmann Institutionen för datavetenskap Vad är språkteknologi? Vad är språkteknologi? Språkteknologi är all teknologi som skapas
Läs mermed hjälp av Deep Reinforcement Learning
Agent som kan spela Atarispel bättre än människor med hjälp av Deep Reinforcement Learning Sofie Adolfsson, sofad117@student.liu.se Artificiell Intelligens Linköpings Universitet 2017-01-12 SofieAdolfsson
Läs mer2012-05-10. Mekaniskt lexikon, patenterat av George Artsrouni på tidigt 1930 tal Perforerade pappersband och avläsningsnockar 1 ord per 3 sekunder
Mekaniskt lexikon, patenterat av George Artsrouni på tidigt 1930 tal Perforerade pappersband och avläsningsnockar 1 ord per 3 sekunder 1 Leibniz, tidigt 1600 tal Descartes, tidigt 1600 tal Petr Smirnov
Läs merBakgrund och motivation. Definition av algoritmer Beskrivningssätt Algoritmanalys. Algoritmer. Lars Larsson VT 2007. Lars Larsson Algoritmer 1
Algoritmer Lars Larsson VT 2007 Lars Larsson Algoritmer 1 1 2 3 4 5 Lars Larsson Algoritmer 2 Ni som går denna kurs är framtidens projektledare inom mjukvaruutveckling. Som ledare måste ni göra svåra beslut
Läs merSELF- ORGANIZING MAPS
LINKÖPINGS UNIVERSITET Kognitionsvetenskapliga Programmet Examinator: Arne Jönsson SELF- ORGANIZING MAPS - Ett fördjupningsarbete inom Artificiell Intelligens Fack 52 katwa676@student.liu.se Sammanfattning
Läs merElektronisk patientjournal
Elektronisk patientjournal Hippokrates Typer Tidsorienterad, problemorienterad samt källorienterad Varför? Stödja vården, legala skäl, forskning, utbildning. Data måste vara otvetydiga, strukturerade,
Läs merComparing artificial neural network algorithms for classification of reviews
EXAMENSARBETE INOM DATATEKNIK, GRUNDNIVÅ, 15 HP STOCKHOLM, SVERIGE 2018 Jämförelse av artificiella neurala nätverksalgoritmer för klassificering av omdömen Comparing artificial neural network algorithms
Läs merArtificiell Intelligens
Artificiell Intelligens Aktuell forskning Litteraturstudie Välj ett AI-ämne: filosofiskt/teoretiskt, praktiskt, formellt, ett system, en teori, ett tillämpningsområde, etc Artiklar, konferensbidrag, böcker
Läs merUtbildningsplan för Datavetenskapligt program, 180 högskolepoäng
IT-FAKULTETEN Dnr G 2015/217 Utbildningsplan för Datavetenskapligt program, 180 högskolepoäng Computer Science, Bachelor s Programme, 180 higher education credits Grundnivå/programkod (N1COS) 1. Fastställande
Läs merGrundläggande behörighet och Matematik B eller Matematik 2a/2b/2c (områdesbehörighet 7/A7, undantag ges för Fysik A/1b1/1a).
Utbildningsplan Dnr GU 2019/1571 IT-FAKULTETEN Kandidatprogram i kognitionsvetenskap, 180 högskolepoäng Bachelor in Cognitive Science, 180 Programkod: N1KOG 1. Fastställande Utbildningsplanen är fastställd
Läs merComputer Science, masterprogram
DNR LIU-2016-01391 1(11) Computer Science, masterprogram 120 hp Computer Science, Master's Programme 6MICS Gäller från: 2017 VT Fastställd av Fakultetsstyrelsen för tekniska fakulteten Fastställandedatum
Läs merProfessor och forskningschef bodahlbom.se
Bo Dahlbom Professor och forskningschef bodahlbom.se aktivering.se sust.se Staying Alive Arthur C. Clarke on the future The Future local Arthur C Clarke 1 Revolution Den industriella revolutionen Sverige
Läs merHur kan man CE-märka AI? PICTA workshop 29 Maj 2018
Hur kan man CE-märka AI? PICTA workshop 29 Maj 2018 Mats Artursson Utredare/Inspektör Agenda Vad säger regelverket Olika typer av AI Sverige Internationellt Utmaningar Pågående EU arbete 2 Medicinteknisk
Läs merDATATEKNIK, TkK ÅRSKURS 1 Läsåret Block Kod Lärare Datum Tid och auditorium M Ti O To F
DATATEKNIK, TkK ÅRSKURS 1 StartIT-introduktionsdag för 1:a årets studerande torsdag den 25.9 kl. 9-16. Tutorer i datateknik: Alexander Gallen, Lars Sundman, Anton Lindholm. Svenska för finskspråkiga, 5
Läs merAttrahera tjejer till Datateknik++ Prof. Peter Parnes 20150526
Attrahera tjejer till Datateknik++ Prof. Peter Parnes 20150526 2%!!! Varför fokus på tjejer? Aktiva kvinnor i program D: Kvinnor 10 av totalt 194 Andel kvinnor: 5,2% Y: Kvinnor 13 av totalt 151 Andel kvinnor:
Läs merEUROPEISK MÖNSTERIGENKÄNNING PÅVERKAN FÖRNYBAR ENERGI. September 2016
EUROPEISK MÖNSTERIGENKÄNNING PÅVERKAN FÖRNYBAR ENERGI September 2016 PROJEKTET EUROPEISK MÖNSTERIGENKÄNNING (EUROPEAN PATTERN RECOGNITION EPR) HAR BEVILJATS EKONOMISKT STÖD FRÅN ENERGIMYNDIGHETEN, NORGES
Läs merAnna & David 12 augusti 2006. Gästbok
Anna & David 12 augusti 2006 Gästbok Roligt minne av Anna & David: Roligt minne av Anna & David: Roligt minne av Anna & David: Roligt minne av Anna & David: Roligt minne av Anna & David: Roligt minne
Läs merTaligenkänning. Hur datorer känner igen talat språk. 729G43 Artificiell Intelligens. Charlie Forsgren, Linköpings Universitet. chafo246 2014-01-09
Taligenkänning Hur datorer känner igen talat språk 729G43 Artificiell Intelligens Charlie Forsgren, chafo246 2014-01-09 Charlie Forsgren Innehållsförteckning Inledning..3 Språk och Ljud 4 Elektronisk Inspelning
Läs merGrundläggande programmering med matematikdidaktisk inriktning för lärare som undervisar i gy eller komvux gy nivå, 7,5 hp
Grundläggande programmering med matematikdidaktisk inriktning för lärare som undervisar i gy eller komvux gy nivå, 7,5 hp Dag Wedelin, bitr professor, och K V S Prasad, docent Institutionen för data- och
Läs merArtificiell Intelligens Tekniker: Styrkor och Fallgropar
Artificiell Intelligens Tekniker: Styrkor och Fallgropar Docent Anne Håkansson Programvaruteknik och Datorsystem, KTH Epost: annehak@kth.se 2017 Anne Håkansson All rights reserved. Forskning i AI 1993-
Läs merEtt Neuralt Nätverk Tittar På Kläder
[Skriv här] [Skriv här] [Skriv här] 2019 Ett Neuralt Nätverk Tittar På Kläder ETT KONVOLUTIONELLT NEURALT NÄTVERK KATEGORISERAR FASHION MNIST DATASETET WILHELM BRODIN, WILBR797 1.1 Inledning En människas
Läs merFråga 5 (1 poäng) För att definiera ett sökproblem krävs...
OBS! För flervalsfrågorna gäller att ett, flera eller inget alternativ kan vara korrekt. På flervarlsfrågorna ges 1 poäng för korrekt svar och 0,5 poäng om skillnaden mellan antalet korrekta svar och antalet
Läs merKandidatuppsats. Jämförelse mellan neurala nätverk baserad AI och state-of-the-art AI i racing spel. Simon Karlsson, Christopher Jensen
Kandidatuppsats Jämförelse mellan neurala nätverk baserad AI och state-of-the-art AI i racing spel Simon Karlsson, Christopher Jensen Sammanfattning Denna rapport jämför prestandan mellan state-of-the-art
Läs merUtbildningsplaner för kandidat-, magister och masterprogram. 1. Identifikation. Avancerad nivå
1. Identifikation Programmets namn Omfattning Nivå Programkod Ev. koder på inriktningar Beslutsuppgifter Ändringsuppgifter Masterprogram i kognitionsvetenskap 120 hp Avancerad nivå HAKOG Fastställd av
Läs merMaskininlärning med boostrapping. Maskininlärningslabb i Språkteknologi
Maskininlärning med boostrapping Maskininlärningslabb i Språkteknologi Abstrakt Vi undersöker, med hjälp av maskininlärningslabben från denna kurs, hur pass bra resultat bootstrapping ger i samband med
Läs mer