Kognitiv teknologi och artificiell intelligens, 9 hp
Cognitive Technology and Artificial Intelligence, 9 credits
729G83
Huvudområde
KognitionsvetenskapUtbildningsnivå
GrundnivåKurstyp
Fristående- och programkursExaminator
Rita KovordanyiKursansvarig
Rita KovordanyiStudierektor eller motsvarande
Jalal MalekiKursen ges för | Termin | Veckor | Block | Språk | Ort/Campus | VOF | |
---|---|---|---|---|---|---|---|
F7KKO | Kognitionsvetenskap, kandidatprogram | 5 (HT 2021) | 202135-202145 | 2 | Svenska | Linköping, Valla | V |
F7MKS | Kognitionsvetenskap, masterprogram | 1 (HT 2021) | 202135-202145 | 2 | Svenska | Linköping, Valla | V |
F7MKS | Kognitionsvetenskap, masterprogram | 3 (HT 2021) | 202135-202145 | 2 | Svenska | Linköping, Valla | V |
Huvudområde
KognitionsvetenskapUtbildningsnivå
GrundnivåFördjupningsnivå
G2FKursen ges för
- Masterprogram i kognitionsvetenskap
- Kandidatprogrammet i kognitionsvetenskap
Förkunskapskrav
- Grundläggande behörighet på grundnivå
samt
Matematik 3b/3c, Samhällskunskap 1b (1a1 och 1a2), Engelska 6
eller
Matematik C, Samhällskunskap A, Engelska B
(Områdesbehörighet A4/4)
samt
Godkänt 90 hp från programtermin 1 till 4, inklusive Kognitionsvetenskaplig introduktionskurs 9 hp samt minst en av kurserna Informationsteknologi och programmering 12 hp, Forskningsmetodik och statistik 9 hp eller Kvalitativa forskningsmetoder 6 hp eller motsvarande.
Lärandemål
Efter avslutad kurs ska den studerande kunna:
- redogöra för de beräkningsprinciper som används i den mänskliga hjärnan
- förklara hur biologiskt baserade artificiella neurala nätverk fungerar
- kontrastera biologiskt baserade nätverk mot AI-orienterade artificiella neurala nätverk
- inhämta information kring konstruktion och träning av en vald typ av nätverk
- tillämpa tekniker för att konstruera, förbättra eller på annat sätt anpassa ett valt nätverk till en problemdomän
- diskutera vilken roll kognitiv modellering och AI spelar inom kognitionsvetenskap
- värdera för- och nackdelar med olika lösningar för biologiskt baserade och AI-orienterade artificiella neurala nätverk inom ett tillämpningsområde
Kursinnehåll
I kursen behandlas:
- Modell av biologiska neuronet
- Inhibering i dubbelriktade nätverk
- Oövervakad och övervakad inlärning i biologiskt baserade nätverk
- Hjärnans beräkningsprinciper
- Simuleringsverktyg för att skapa och analysera modeller av den biologiska hjärnan
- AI-orienterade nätverk: aktiveringsfunktioner, bakåtpropagering av fel, olika typer av felfunktioner, optimering, under- och överanpassning, regularisering. Nätverksarkitekturer för olika typer av inlärningsproblem. Bibliotek med öppen källkod och API (applikationsprogrammeringsgränssnitt) för att bygga och träna maskininlärningsmodeller
Undervisnings- och arbetsformer
Undervisningen består av laborationer, seminarier och projektarbete. Utöver detta ska den studerande utöva självstudier.
Examination
Kursen examineras genom:
- Aktivt deltagande i seminarier, betygsskala: D
- Laborationsrapport i grupp, betygsskala: UG
- Muntlig presentation av projektarbete, betygsskala: UG
- Individuell salstentamen, betygsskala: UV
För Godkänt slutbetyg krävs minst Godkänt på samtliga moment. För Väl godkänt slutbetyg krävs dessutom Väl godkänt på salstentamen.
Detaljerad information återfinns i studieanvisningen.
Om det finns särskilda skäl, om det med hänsyn till det obligatoriska momentets karaktär är möjligt, får examinator besluta att ersätta det obligatoriska momentet med en annan likvärdig uppgift.
Om LiU:s koordinator för studenter med funktionsnedsättning har beviljat en student rätt till anpassad examination vid salstentamen har studenten rätt till det. Om koordinatorn istället har gett studenten en rekommendation om anpassad examination eller alternativ examinationsform, får examinator besluta om detta om examinator bedömer det möjligt utifrån kursens mål.
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 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 |
---|---|---|---|
SEM1 | Seminarier | 0 hp | D |
LAB1 | Laborationsrapport | 3 hp | U, G |
PRO1 | Projekt | 3 hp | U, G |
TEN1 | Salstentamen | 3 hp | U, G, VG |
Övrigt
Kurslitteraturen består av on-line material som kommer att specificeras i samband med att kursen ges
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.