• Logistiken runt och erfarenheter som görs av studenter i maskininlärning på KTH: kurser, spår och examensarbete.
• Var de med examen inom maskininlärning arbetar: akademi, näringsliv och offentlig sektor.
• Etiska överväganden då slutsatser dras från experiment och resultat, och hur dessa presenteras för allmänheten.
• Sekretess, säkerhet och etiska frågor runt "big data".
• Vad metoder för maskininlärning kan och inte kan åstadkomma i praktiken.
• Uppförandekod för professionella experter inom området maskininlärning.
Efter godkänd kurs ska studenten kunna
- reflektera över val och möjligheter inom studierna
- reflektera över etiska frågor som är förknippade med "big data" och de överväganden om fördelar och nackdelar som behöver göras då mängder av data om människor görs tillgängliga
- reflektera över det ansvar man har då resultat och metoder för maskininlärning presenteras för allmänheten
- reflektera på ett djupare sätt över värdet av mångfald och jämställdhet mellan könen inom forskningsområdet maskininlärning, på företag, institutioner, och i samhället
- redogöra för hur maskininlärning används och utnyttjas utanför den akademiska världen och reflektera över de konsekvenser detta får för samhället och det professionella ansvar man har som utövare av maskininlärning
- redogöra för arbetsplatser och yrken tillgängliga för examinerade inom maskininlärning
i syfte att
- kunna vara en god student
- kunna göra etiska överväganden i yrkeslivet
- bli en professionell expert inom området maskininlärning.
