Kursplan

Artificiell intelligens

Kurskod
DT3017
Poäng
7,5 högskolepoäng
Nivå
Avancerad nivå 1
Institution
Institutionen för information och teknik
Ämnestillhörighet
Datateknik (DTA)
Ämnesgrupp
Datateknik
Utbildningsområde
Tekniska området, 100%
Kursen kan ingå i följande huvudområde(n)
Mikrodataanalys1
Fördjupningsbeteckning för respektive huvudområde
1A1N
Fastställd
Fastställd i nämnden för Institutionen för information och teknik 2011-10-06.
Kursplanen gäller fr.o.m. 2011-10-06.
Reviderad
Reviderad 2013-03-01.
Revideringen är giltig fr.o.m. 2013-03-01.
Nedlagd
2020-01-20

Mål

Efter en grundlig diskussion av olika definitioner av artificiell intelligens (AI) ska studenten tillägna sig insikt i de olika tekniska och filosofiska aspekterna av AI. Efter avslutad kurs ska studenten kunna:

  • Applicera artificiell intelligens på relevanta problem med hjälp av moderna programverktyg, samt deras vidareutveckling
  • Genomföra jämförande analys, både teoretiskt och empiriskt, för att avgöra vilken AI paradigm som är mest lämplig för en viss uppgift
  • Läsa en artikel i området, förstå den och göra en kritisk analys
  • Förklara både fördelar och begränsningar av lösningar baserade på artificiell intelligens för människor utan djup teknisk kunskap
  • Bygga ett enklare AI-system på egen hand och utvärdera dess prestanda
  • Bedriva forskning inom artificiell intelligens på ett tekniskt och etiskt sätt

Innehåll

Kursen ger först en idéhistorisk och filosofisk introduktion till AI och sedan en mer praktisk översyn. Digital representation och manipulering av kunskap är centrala begrepp som studeras i detalj.
Svårigheter som kombinatoriska explosioner och oändligt sökträd som man upptäcker i kunskapsmodellering illustrerar behov av intelligenta algoritmer. Komplexa sök utrymmen och sökmetoder i kontexten av problemlösning behandlas. Ytterliggare AI paradigmer som ger flera möjliga lösningssätt introduceras; neurala nätverk som används till prognos och klassificering och genetiska algoritmer som används till stokastisk optimsering. Slutligen kommer hybrid intelligenta system och praktiska tillämpningar av AI diskuteras.

Examinationsformer

Laborationsrapporter 1,5 hp (U-G), projektarbete 1,5 hp (U-G) och obligatoriska föreläsningar och skriftlig tentamen 4,5 hp (U-3-4-5).

Arbetsformer

Studenten tillägnar sig kunskaper under föreläsningar, laborationer, tekniska presentationer av artiklar och projektarbete i grupp. Studenten bör också studera individuellt.

Betyg

Som betygsskala används U, 3, 4, 5.

Den skriftliga tentamen styr slutbetyget på kursen.

Förkunskapskrav

  • Introduktion till objektorienterad programmering, Grundnivå 1, 7,5 hp
  • eller motsvarande kunskaper.

Övrigt

Närvaro på två tredjedelar av föreläsningarna är obligatoriskt. Högst 5 examinationstillfällen kommer att hållas. Laborationsrapporter ska lämnas in senast tre veckor efter kursslut.

Litteratur

  • Luger George F. (2002) Artificial intelligence : structures and strategies for complex problem solving. Addison-Wesley. (856 s). ISBN 0-201-64866-0