Faglig innhold

• Nevrale nettverker
• Dyp læring
• Agentbaserte simuleringer

Læringsutbytte

Etter å ha fullført kurset, bør kandidaten ha:

-Kunnskap: Kandidaten befinner seg i forkant av kunnskap innen kunstig intelligens og maskinlæring innen informasjonssikkerhet. Kandidaten kan evaluere utformingen og implementeringen av forsknings- og utviklingsprosjekter innen informasjonssikkerhet med bruk av AI- og ML-algoritmer. Kandidaten har evnen til å diskutere og forklare nytten og svakheten til ulike algoritmer i sitt doktorgradsprosjekt.

-Ferdigheter: Kandidaten kan velge, formulere, implementere og teste AI- og ML-algoritmer som en del av doktorgradsprosjektet.

-Generell kompetanse: Kandidaten har evnen til å kommunisere og lede diskusjoner om ny forskning innen AI og ML. Kandidaten har evnen til å evaluere og kritisere mekanismer for AI og ML.

Læringsformer og aktiviteter

-Lese artikler innen forskningsfeltet med tilknytning til AI og ML

-Seminarer med presentasjoner av fremgang

-Gjennomgang av AI- og ML-algoritmer samt skrive og presentere en rapport om algoritmenes anvendbarhet for egen forskning

-Valg av en algoritme og anvendelse og testing av algoritmen i egen forskning

-Levere en artikkel som kan sendes til en konferanse eller et tidsskrift i skjæringspunktet mellom eget forskningsfelt og AI/ML, etter å ha valgt, implementert og testet algoritmen.

Spesielle vilkår

Forkunnskapskrav

Grunnleggende programmering og algoritmer

Kursmateriell

Artikler relatert til AI og ML Kursboken er "Introduction to Artificial Intelligence" av Wolfgang Ertel, andre utgave, Springer.