IT8000

Videregående emner i casebasert resonnering

Sist undervist 2021

Vår

Trondheim

Norsk

Oversikt

Ståprosent

100 %

likt

Karakterfordeling
Snitt over tid
Ståprosent over tid

Om emnet

Faglig innhold


Innen CBR er det en økende oppmerksomhet mot nyere metoder for similaritetsvurdering, adaptasjon, samt case-læring og vedlikehold av store case baser. Videre er det en økende interesse for ulike former for kombinasjoner med andre metoder for problemløsning og maskinlæring, ikke minst aktualisert gjennom BigData-innflytelsen. Emnet vil primært karakterisere metoder som resonnerer utifra tidligere konkrete situasjoner (case-basert), men også generaliserte modeller (modell-basert), samt diskutere forskjellige tilnærminger for å integrere de to metodetypene. Det detaljerte innholdet vil i noen grad tilpasses deltakernes interesse.

Læringsmål

A. Kunnskap:
Å få en dypere forståelse av hvordan situasjonsspesifikk kunnskap (case-kunnskap) kan modelleres, automatisk læres og samlet utnyttes for problemløsning.

B. Ferdighet:
Å bli i stand til å utnytte tillærte teorier og prinsipper for å bygge reelle CBR-systemer rettet mot aktuelle anvendelsesområder.

C. Generell kompetanse:
Å få en forståelse av hvordan metoder innen CBR relateres til - og kan kombineres med - andre metoder, både innen AI og informatikk mer generelt.

Læringsformer og aktiviteter

Kollokvier, diskusjoner, mindre prosjekter.