Artificiell intelligens, 12 hp

Artificial Intelligence, 12 credits

729G43

Kursen är nedlagd. Ersätts av 729G78.

Huvudområde

Datavetenskap

Utbildningsnivå

Grundnivå

Kurstyp

Fristående- och programkurs

Examinator

Arne Jönsson

Kursansvarig

Arne Jönsson

Studierektor eller motsvarande

Jalal Maleki
VOF = Valbar / Obligatorisk / Frivillig
Kursen ges för Termin Veckor Block Språk Ort/Campus VOF
F7KKO Kandidatprogrammet i kognitionsvetenskap 3 (HT 2018) 201842-201903 2+4 Svenska Linköping, Valla O

Huvudområde

Datavetenskap

Utbildningsnivå

Grundnivå

Fördjupningsnivå

G1X

Kursen ges för

  • Kandidatprogrammet i kognitionsvetenskap

Förkunskapskrav

För tillträde till kursen krävs att de särskilda behörighetsreglerna som gäller för kandidatprogrammet i kognitionsvetenskap är uppfyllda, samt att IT och programmering: grundkurs (alt Programmering och diskret matematik) (6 hp) eller Programmering och algoritmiskt tänkande (alt Programmering och logik) (6 hp) eller motsvarande, är avklarade med godkänt resultat. 

Lärandemål

Efter avslutad kurs ska den studerande kunna
- förklara de centrala definitionerna på artificiell intelligens och förstå de mål som är förknippade med dessa,
- förklara olika ansatser för att få datorer att bete sig intelligent
- redogöra för de centrala teorierna inom artificiell intelligens med tonvikt på det symbolbehandlande paradigmet,
- implementera enkla AI-system såsom kunskapsrepresentationssystem och söksystem.
- förklara och använda begrepp och modeller inom probabilistisk logik och statistiskt baserad AI,
- självständigt studera olika områden inom artificiell intelligens,
- redogöra för hur grundläggande AI-tekniker tillämpas i kognitionsvetenskaplig forskning och tillämpning.

Kursinnehåll

I kursen tas följande områden upp:
- Problemformulering
- Sökning i tillståndsrymder
- Kunskapsrepresentation, speciellt predikatlogik
- Planering av handlingssekvenser
- Probabilistisk logik
- Bayesianska nätverk
- Artificiella neurala nät
- Maskininlärning.

Undervisnings- och arbetsformer

Undervisningen består av föreläsningar, lektioner, handledningsseminarier, datorlaborationer och projekt.
Laborationsuppgifterna är obligatoriska. Den studerande förväntas även arbeta med självstudier, enskilt eller i grupp.

Examination

Kursen examineras genom obligatoriska laborationsuppgifter, skriftlig tentamen och ett större projekt. Detaljerad information återfinns i studiehandledningen.

Studerande, vars examination underkänts två gånger på kursen eller del av kursen, har rätt att begära en annan examinator vid förnyat examinationstillfälle.

Den som godkänts i prov får ej delta i förnyat prov för högre betyg.

Betygsskala

Tregradig skala, U, G, VG

Övrig information

Planering och genomförande av kurs skall utgå från kursplanens formuleringar. Den kursvärdering som skall ingå i varje kurs skall därför behandla frågan om hur kursen överensstämmer med kursplanen. Kursen bedrivs på ett sådant sätt att både mäns och kvinnors erfarenhet och kunskaper synliggörs och utvecklas.

Planering och genomförande av kurs ska utgå från kursplanens formuleringar. Den kursvärdering som ska ingå i varje kurs ska därför behandla frågan om hur kursen överensstämmer med kursplanen.

Kursen bedrivs på ett sådant sätt att både mäns och kvinnors erfarenhet och kunskaper synliggörs och utvecklas.

Institution

Institutionen för datavetenskap
Kod Benämning Omfattning Betygsskala
TEN1 Tentamen 4 hp U, G, VG
PROJ Projekt 3 hp U, G, VG
LAB1 Laboration 5 hp U, G, VG

Böcker

Russell, Stuart, Norvig, Peter, (2016) Artificial intelligence : a modern approach 3.ed., Global edition. Harlow : Pearson Education Limited; 2016.

ISBN: 9781292153964

Denna flik innehåller det material som är publikt i Lisam. Den information som publiceras här är inte juridiskt bindande, sådant material hittar du under övriga flikar på denna sida.

Det finns inga filer att visa.