In English below

Niklas Lavesson - docentföreläsning 10 maj

Photo of Niklas Lavesson

Niklas Lavesson, verksam som lektor och forskare på Blekinge Tekniska Högskola, håller en docentföreläsning tisdagen den 10:e maj kl. 13:15 på BTH, i sal J1610, Hus J, plan 1, BTH, Campus Gräsvik, Karlskrona.  Föreläsningens titel är "Utvärdering och optimering av lärande system".

Föreläsningen är öppen för allmänheten.

Maskininlärning är en vetenskaplig disciplin som studerar datorsystem som utvecklas genom att lära sig från empiriska observationer och förbättrar sin förmåga att lösa problem genom erfarenhet. Klassificering är ett centralt begrepp inom maskininlärning och kan beskrivas som problemet att undersöka en observation för att kategorisera denna.

Övervakad inlärning är ett av de vanligaste områdena inom maskininlärning och fokuserar på metoder som generaliserar från känd träningsdata. Inom övervakad inlärning angrips klassificeringsproblem genom att man utvecklar datorsystem som generaliserar från observationer som redan är kategoriserade. För att kunna generalisera måste vissa
antaganden om generalisering göras och dessa antaganden kommer att styra det lärande systemet. Det är redan visat att vissa lärande system är bättre än andra för specifika problem. Två viktiga frågor är hur vi kan ta reda på vilket system som är mest lämpligt för ett givet problem samt hur det valda systemet kan justeras för att göra det så effektivt som möjligt. Dessa frågor undersöks med hjälp av utvärdering och optimering.

Det finns flera intressanta användningsområden för lärande system. Exempelvis, kan dessa datorsystem tillämpas inom hälso- och sjukvård där de kan användas för att avgöra om patienter ska opereras eller behandlas baserat på patientdata.

Niklas Lavesson disputerade den 11 december 2008 och har sedan disputationen fortsatt med den inriktningen inom grundforskning som behandlades i doktorsavhandlingen. Forskningsprojektet som ledde fram till en doktorsexamen handlade om analys och utveckling av metoder för systematisk utvärdering och optimering av lärande system. Parallellt med denna grundläggande forskning har Niklas Lavesson tillämpat lärande
system för att lösa problem inom ett antal områden genom att driva eller medverka i flera projekt som berör allt ifrån sjukvård och IT-säkerhet.

Niklas Lavesson handleder för närvarande två doktorander inom IT-säkerhet tillsammans med Professor Bengt Carlsson och arbetar även som koordinator för utbildningen på forskarnivå sedan 2009.

För ytterligare information kontakta Universitetslektor Niklas Lavesson
på telefon 0455-38 56 75.

Efter föreläsningen bjuds på kaffe och tårta i COM/INGs fikarum. För anmälan, vänligen kontakta Monica H Nilsson, Sektionen för datavetenskap och kommunikation, senast 6:e maj. mail: monica.h.nilsson@bth.se, tel: 0455 - 38 58 42

Niklas Lavesson - docent lecture May 10th

Niklas Lavesson, assistant professor at Blekinge Institute of Technology (BTH),
will give a docent lecture on Tuesday May 10th starting at 1:15 PM at BTH,
in room J1610, House J, Floor 1, BTH, Campus Gräsvik, Karlskrona. The title of the
lecture is "Evaluation and Optimization of Learning Programs". The lecture
is open to the public.


Machine learning is a scientific discipline concerned with the study of programs that evolve by learning from empirical observations and thus improve their performance at solving tasks through experience. Classification is a core object of study in machine learning and it is the problem of examining an instance of data to assign it to a category. Supervised learning is one of the most common learning paradigms in machine learning and focuses on programs that infer a function from known training data.

In supervised learning, classification is approached by designing programs that generalize from instances of data with known categories. In order to generalize, some assumptions about generalization must be made and these assumptions will bias the learning program. It has already been shown that some learning programs are better than other for specific problems. Two important questions are how to know which program
is the most suitable for a specific problem and how to adjust the program to make it as effective as possible. These questions are addressed by evaluation and optimization.

Learning systems can be applied in many interesting areas. For example, these systems can be used in healthcare to determine whether patients should undergo surgery or treatment based on patient data.

Niklas Lavesson defended his Ph.D. thesis on Dec 11, 2008 and since the defense he has continued in the same basic research direction. The research project that led to a Ph.D. degree concerned analysis and development of learning systems. In parallel to this basic research Niklas Lavesson has applied learning systems to solve problems in a
number of areas by leading or participating in projects within healthcare and IT security.

Niklas Lavesson currently supervises two Ph.D. students in IT security together with Professor Bengt Carlsson and he is also the Coordinator of research education since 2009.

For more information, contact Assistant Professor Niklas Lavesson via
phone on +46-455-38 56 75.

After the lecture there will be coffee and cake served inCM/INGs coffee room. To sign up for coffee and cake, please contact Monica H Nilsson, School of Computing, no later than May 6, e-mail: monica.h.nilsson@bth.se, phone: 0455 - 38 58 42

Edit
Share Share