Artificiell intelligens, 6 hp

Artificial Intelligence, 6 credits

TDDC17

Kursstart

Huvudområde

Datateknik Datavetenskap

Utbildningsnivå

Grundnivå

Kurstyp

Programkurs

Examinator

Patrick Doherty

Studierektor eller motsvarande

Peter Dalenius

Undervisningstid

Preliminär schemalagd tid: 52 h
Rekommenderad självstudietid: 108 h

Tillgänglig för utbytesstudenter

Information om möjliga avsteg från kursplan/utbildningsplan

VOF = Valbar / Obligatorisk / Frivillig

Kursen ges för		Termin	Period	Block	Språk	Ort/Campus	VOF
6CDDD	Civilingenjör i datateknik	7 (HT 2017)	1	3	Engelska	Linköping, Valla	V
6CDDD	Civilingenjör i datateknik (AI och maskininlärning)	7 (HT 2017)	1	3	Engelska	Linköping, Valla	O
6CDDD	Civilingenjör i datateknik (Medicinsk Informatik)	7 (HT 2017)	1	3	Engelska	Linköping, Valla	V
6CDDD	Civilingenjör i datateknik (Programmering och algoritmer)	7 (HT 2017)	1	3	Engelska	Linköping, Valla	V
6CDDD	Civilingenjör i datateknik (Spelprogrammering)	7 (HT 2017)	1	3	Engelska	Linköping, Valla	V
6CDDD	Civilingenjör i datateknik (Systemteknologi)	7 (HT 2017)	1	3	Engelska	Linköping, Valla	O
6CIII	Civilingenjör i industriell ekonomi	7 (HT 2017)	1	3	Engelska	Linköping, Valla	V
6CIEI	Civilingenjör i industriell ekonomi - internationell, franska	7 (HT 2017)	1	3	Engelska	Linköping, Valla	V
6CIEI	Civilingenjör i industriell ekonomi - internationell, franska (Teknisk inriktning Datateknik)	7 (HT 2017)	1	3	Engelska	Linköping, Valla	V
6CIEI	Civilingenjör i industriell ekonomi - internationell, japanska	7 (HT 2017)	1	3	Engelska	Linköping, Valla	V
6CIEI	Civilingenjör i industriell ekonomi - internationell, japanska (Teknisk inriktning Datateknik)	7 (HT 2017)	1	3	Engelska	Linköping, Valla	V
6CIEI	Civilingenjör i industriell ekonomi - internationell, kinesiska	7 (HT 2017)	1	3	Engelska	Linköping, Valla	V
6CIEI	Civilingenjör i industriell ekonomi - internationell, kinesiska (Teknisk inriktning Datateknik)	7 (HT 2017)	1	3	Engelska	Linköping, Valla	V
6CIEI	Civilingenjör i industriell ekonomi - internationell, spanska	7 (HT 2017)	1	3	Engelska	Linköping, Valla	V
6CIEI	Civilingenjör i industriell ekonomi - internationell, spanska (Teknisk inriktning Datateknik)	7 (HT 2017)	1	3	Engelska	Linköping, Valla	V
6CIEI	Civilingenjör i industriell ekonomi - internationell, tyska	7 (HT 2017)	1	3	Engelska	Linköping, Valla	V
6CIEI	Civilingenjör i industriell ekonomi - internationell, tyska (Teknisk inriktning Datateknik)	7 (HT 2017)	1	3	Engelska	Linköping, Valla	V
6CIII	Civilingenjör i industriell ekonomi (Teknisk inriktning Datateknik)	7 (HT 2017)	1	3	Engelska	Linköping, Valla	V
6CITE	Civilingenjör i informationsteknologi	7 (HT 2017)	1	3	Engelska	Linköping, Valla	V
6CITE	Civilingenjör i informationsteknologi (AI och maskininlärning)	7 (HT 2017)	1	3	Engelska	Linköping, Valla	O
6CITE	Civilingenjör i informationsteknologi (Medicinsk Informatik)	7 (HT 2017)	1	3	Engelska	Linköping, Valla	V
6CITE	Civilingenjör i informationsteknologi (Programmering och algoritmer)	7 (HT 2017)	1	3	Engelska	Linköping, Valla	V
6CITE	Civilingenjör i informationsteknologi (Spelprogrammering)	7 (HT 2017)	1	3	Engelska	Linköping, Valla	V
6CITE	Civilingenjör i informationsteknologi (Systemteknologi)	7 (HT 2017)	1	3	Engelska	Linköping, Valla	O
6CMJU	Civilingenjör i mjukvaruteknik	5 (HT 2017)	1	3	Engelska	Linköping, Valla	O
6CMJU	Civilingenjör i mjukvaruteknik (AI och maskininlärning)	7 (HT 2017)	1	3	Engelska	Linköping, Valla	O
6CMJU	Civilingenjör i mjukvaruteknik (Programmering och algoritmer)	7 (HT 2017)	1	3	Engelska	Linköping, Valla	V
6CMJU	Civilingenjör i mjukvaruteknik (Spelprogrammering)	7 (HT 2017)	1	3	Engelska	Linköping, Valla	V
6CYYY	Civilingenjör i teknisk fysik och elektroteknik	7 (HT 2017)	1	3	Engelska	Linköping, Valla	V
6CYYI	Civilingenjör i teknisk fysik och elektroteknik - internationell, franska	7 (HT 2017)	1	3	Engelska	Linköping, Valla	V
6CYYI	Civilingenjör i teknisk fysik och elektroteknik - internationell, japanska	7 (HT 2017)	1	3	Engelska	Linköping, Valla	V
6CYYI	Civilingenjör i teknisk fysik och elektroteknik - internationell, kinesiska	7 (HT 2017)	1	3	Engelska	Linköping, Valla	V
6CYYI	Civilingenjör i teknisk fysik och elektroteknik - internationell, spanska	7 (HT 2017)	1	3	Engelska	Linköping, Valla	V
6CYYI	Civilingenjör i teknisk fysik och elektroteknik - internationell, tyska	7 (HT 2017)	1	3	Engelska	Linköping, Valla	V
6MICS	Computer Science, masterprogram	1 (HT 2017)	1	3	Engelska	Linköping, Valla	V
6MICS	Computer Science, masterprogram (Artificiell intelligens och data mining)	1 (HT 2017)	1	3	Engelska	Linköping, Valla	V
6MICS	Computer Science, masterprogram (Visualisering och datorgrafik)	1 (HT 2017)	1	3	Engelska	Linköping, Valla	V
6MDAV	Datavetenskap, masterprogram	1 (HT 2017)	1	3	Engelska	Linköping, Valla	O
6IDAT	Högskoleingenjör i datateknik (Programvara)	5 (HT 2017)	1	3	Engelska	Linköping, Valla	V
6KIPR	Innovativ programmering, kandidatprogram	5 (HT 2017)	1	3	Engelska	Linköping, Valla	V
6KMAT	Matematik, kandidatprogram	5 (HT 2017)	1	3	Engelska	Linköping, Valla	V
6KMAT	Matematik, kandidatprogram (Datalogi)	5 (HT 2017)	1	3	Engelska	Linköping, Valla	V

Huvudområde

Datateknik, Datavetenskap

Utbildningsnivå

Grundnivå

Fördjupningsnivå

G2X

Kursen ges för

Datavetenskap, masterprogram
Computer Science, masterprogram
Civilingenjör i mjukvaruteknik
Högskoleingenjör i datateknik
Innovativ programmering, kandidatprogram
Matematik, kandidatprogram
Civilingenjör i datateknik
Civilingenjör i industriell ekonomi - internationell
Civilingenjör i industriell ekonomi
Civilingenjör i informationsteknologi
Civilingenjör i teknisk fysik och elektroteknik - internationell
Civilingenjör i teknisk fysik och elektroteknik

Särskild information

Får ej ingå i examen samtidigt som TDDC65, TNM096

Förkunskapskrav

OBS! Tillträdeskrav för icke programstudenter omfattar vanligen också tillträdeskrav för programmet och ev. tröskelkrav för progression inom programmet, eller motsvarande.

Rekommenderade förkunskaper

Programmering i ett funktionellt, imperativ eller objektorienterat programspråk. Kunskaper om datastrukturer och algoritmer. Kännedom om logik och diskret matematik är användbart.

Lärandemål

Kursen ger en bred översikt över området artificiell intelligens och presenterar grundläggande metoder för konstruktion av system som kan lösa problem, föra förnuftiga och rationella resonemang och kommunicera i naturligt språk.
Kursens mål är att introducera begrepp och tillämpningar inom artificiell intelligens (AI). 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. Efter kursen kommer studenten att kunna:

förklara och diskutera begrepp inom artificiell intelligens
tillämpa välkända tekniker inom artificiell intelligens

Kursinnehåll

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 problem-lösningsmetod. Handlingsplanering och robotik. Induktion och inlärning. Orientering om alternativa arkitekturer för AI-system.

Undervisnings- och arbetsformer

Föreläsningarna ägnas åt teorigenomgång. Implementation av några av de presenterade teorierna utförs i Common Lisp eller Java på laborationerna.

Examination

LAB1	En laborationskurs	3 hp	U, G
TEN1	En skriftlig tentamen	3 hp	U, 3, 4, 5

Betygsskala

Fyrgradig skala, LiU, U, 3, 4, 5

Övrig information

AI-programmering

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

Planering och genomförande av kurs skall utgå från kursplanens formuleringar. Den kursvärdering som ingår i kursen skall därför genomföras med kursplanen som utgångspunkt.

Institution

Institutionen för datavetenskap

Studierektor eller motsvarande

Peter Dalenius

Examinator

Patrick Doherty

Kurshemsida och andra länkar

Undervisningstid

Preliminär schemalagd tid: 52 h
Rekommenderad självstudietid: 108 h

Kurslitteratur

Russell, S. & Norvig, P. (2002) Artificial Intelligence: A Modern Approach, Prentice Hall. ISBN 0137903952 (inb) 0130803022 (hft).
Laborationskompendium från Institutionen för datavetenskap.
Referenslitteratur: Shapiro, C. (1992) Encyclopedia of Artificial Intelligence, Vol. 1-2, Wiley Interscience.

Kod	Benämning	Omfattning	Betygsskala
LAB1	En laborationskurs	3 hp	U, G
TEN1	En skriftlig tentamen	3 hp	U, 3, 4, 5

Regler

Universitetet är en statlig myndighet vars verksamhet regleras av lagar och förordningar, exempelvis Högskolelagen och Högskoleförordningen. Förutom lagar och förordningar styrs verksamheten av ett antal styrdokument. I Linköpings universitets egna regelverk samlas gällande beslut av regelkaraktär som fattats av universitetsstyrelse, rektor samt fakultets- och områdesstyrelser.

LiU:s regelsamling angående utbildning på grund- och avancerad nivå nås på http://styrdokument.liu.se/Regelsamling/Innehall/Utbildning_pa_grund-_och_avancerad_niva.

Rättigheter och skyldigheter som student (inloggning krävs)
Linköpings universitets generella regelverk

Litteraturlistan är preliminär.

Russell, S. & Norvig, P. (2002) Artificial Intelligence: A Modern Approach, Prentice Hall. ISBN 0137903952 (inb) 0130803022 (hft). <br>Laborationskompendium från Institutionen för datavetenskap. <br>Referenslitteratur: Shapiro, C. (1992) Encyclopedia of Artificial Intelligence, Vol. 1-2, Wiley Interscience.

Ladda ner

Ladda ner kurslitteratur som PDF

I = Introducera, U = Undervisa, A = Använda

		I	U	A	Moduler	Kommentar
1. ÄMNESKUNSKAPER
	1.1 Kunskaper i grundläggande (motsvarande G1X) matematiska och naturvetenskapliga ämnen			X	LAB1 TEN1	Logik och diskret matematik
	1.2 Kunskaper i grundläggande (motsvarande G1X) teknikvetenskapliga ämnen		X	X	LAB1 TEN1	Använder grundläggande programmering, undervisar olika tekniker och metoder inom artificiell intelligens
	1.3 Fördjupade kunskaper (motsvarande G2X), metoder och verktyg inom något/några teknik- och naturvetenskapliga ämnen		X		LAB1 TEN1	Tekniker och metoder inom AI
	1.4 Väsentligt fördjupade kunskaper (motsvarande A1X), metoder och verktyg inom något/några teknik- och naturvetenskapliga ämnen
	1.5 Insikt i aktuellt forsknings- och utvecklingsarbete
2. INDIVIDUELLA OCH YRKESMÄSSIGA FÄRDIGHETER OCH FÖRHÅLLNINGSSÄTT
	2.1 Analytiskt tänkande och problemlösning		X	X	LAB1	Laborativa moment
	2.2 Experimenterande och undersökande arbetssätt samt kunskapsbildning		X	X	LAB1	Laborativa moment
	2.3 Systemtänkande
	2.4 Förhållningssätt, tänkande och lärande
	2.5 Etik, likabehandling och ansvarstagande
3. FÖRMÅGA ATT ARBETA I GRUPP OCH ATT KOMMUNICERA
	3.1 Arbete i grupp			X	LAB1	Laborationer i grupp
	3.2 Kommunikation
	3.3 Kommunikation på främmande språk
4. PLANERING, UTVECKLING, REALISERING OCH DRIFT AV TEKNISKA PRODUKTER OCH SYSTEM MED HÄNSYN TILL AFFÄRSMÄSSIGA OCH SAMHÄLLELIGA BEHOV OCH KRAV
	4.1 Samhälleliga villkor, inklusive ekonomiskt, socialt och ekologiskt hållbar utveckling
	4.2 Företags- och affärsmässiga villkor
	4.3 Att identifiera behov samt strukturera och planera utveckling av produkter och system	X				Föreläsningar om större forskningsprojekt inom AI
	4.4 Att konstruera produkter och system	X
	4.5 Att realisera produkter och system	X
	4.6 Att ta i drift och använda produkter och system
5. PLANERING, GENOMFÖRANDE OCH PRESENTATION AV FORSKNINGS- ELLER UTVECKLINGSPROJEKT MED HÄNSYN TILL VETENSKAPLIGA OCH SAMHÄLLELIGA BEHOV OCH KRAV
	5.1 Samhälleliga villkor, inklusive ekonomiskt, socialt och ekologiskt hållbar utveckling för kunskapsutveckling
	5.2 Ekonomiska villkor för kunskapsutveckling
	5.3 Att identifiera behov samt strukturera och planera forsknings- eller utvecklingsprojekt
	5.4 Att genomföra forsknings- eller utvecklingsprojekt
	5.5 Att redovisa och utvärdera forsknings- eller utvecklingsprojekt

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.