Artificiell intelligens, 6 hp
Artificial Intelligence, 6 credits
732A77
Huvudområde
DatavetenskapUtbildningsnivå
GrundnivåKurstyp
Fristående- och programkursExaminator
Patrick DohertyStudierektor eller motsvarande
Peter DaleniusKursen ges för | Termin | Veckor | Språk | Ort/Campus | VOF | |
---|---|---|---|---|---|---|
F7MSL | Statistics and Machine Learning, Master´s Programme | 3 (HT 2019) | 201935-201944 | Engelska | Linköping, Valla | V |
Huvudområde
DatavetenskapUtbildningsnivå
GrundnivåFördjupningsnivå
A1NKursen ges för
- Masters Programme in Statistics and Machine Learning
Förkunskapskrav
Kandidatexamen i något av följande ämnen: statistik, matematik, tillämpad matematik, datavetenskap, teknik eller motsvarande examen. Utöver detta, erfordras kurser i matematisk analys, linjär algebra, statistik och programmering.
Engelska B/Engelska 6.
Undantag för svenska 3
Lärandemål
Efter avslutad kurs ska den studerande på en avancerad nivå kunna:
- förklara och diskutera begrepp inom artificiell intelligens
- tillämpa tekniker inom artificiell intelligens
Kursinnehåll
I kursen behandlas översiktligt området artificiell intelligens och grundläggande metoder för konstruktion av system som kan lösa problem, föra förnuftiga och rationella resonemang och kommunicera i naturligt språk presenteras. Kursen fokuserar på att utveckla intelligenta agenter som själva kan fatta beslut och agera. Detta kräver tekniker för problemlösning, kunskapsrepresentation och slutsatsdragning, lärande, kommunikation, perception och agerande. Mer specifikt innehåller kursen:
- Översikt över artificiell intelligens (AI) och dess tillämpningar
- Logik som medel för representation av kunskap
- Resonemang med ofullständig kunskap: ickemonotont och probabilistiskt resonemang
- Strukturerade representationer
- Sökning som problemlösningsmetod
- Handlingsplanering och robotik. Induktion och inlärning
- Orientering om alternativa arkitekturer för AI-system
Undervisnings- och arbetsformer
Undervisningen består av föreläsningar och laborationer. Utöver detta ska den studerande utöva självstudier.
Examination
Kursen examineras genom
- skriftliga laborationsrapporter, betygsskala: UG
- individuell skriftlig tentamen, betygsskala: EC
Slutbetyg bestäms av den individuella skriftliga tentamen.
Detaljerad kursinformation återfinns i studiehandledningen.
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
ECTS, ECÖvrig 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 |
---|---|---|---|
TEN1 | Skriftlig tentamen | 3 hp | EC |
LAB1 | Laborationskurs | 3 hp | U, G |
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.