Artificiell intelligens, 12 hp
Artificial Intelligence, 12 credits
729G43
Huvudområde
DatavetenskapUtbildningsnivå
GrundnivåKurstyp
Fristående- och programkursExaminator
Arne JönssonKursansvarig
Arne JönssonStudierektor eller motsvarande
Jalal MalekiKursen 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
DatavetenskapUtbildningsnivå
GrundnivåFördjupningsnivå
G1XKursen 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, VGÖvrig 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 datavetenskapKod | 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
ISBN: 9781292153964
Ladda ner
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.