Grunderna i AI, 2 hp

Elements of AI, 2 credits

ETE318

Kursstart

Huvudområde

Datavetenskap

Utbildningsnivå

Grundnivå

Kurstyp

Fristående kurs

Examinator

Fredrik Heintz

Studierektor eller motsvarande

Peter Dalenius

Undervisningstid

Preliminär schemalagd tid: 0 h
Rekommenderad självstudietid: 53 h

Kontaktinformation

Information om möjliga avsteg från kursplan/utbildningsplan

Kursbeskrivning

Kursen syftar till att ge en introduktion och överblick av artificiell intelligens. Fokus ligger på att förstå begreppet och några viktiga tekniker som hur sökning och maskininlärning fungerar samt konsekvenser av AI på samhället.

Kursen är en distanskurs som görs i egen takt och hanteras i sin helhet i en web-baserad kursmiljö (https://www.elementsofai.se/). Kursen baseras på självstudier av kursmaterialet och examineras med självrättande tester och inlämningar. Du som har gjort Elements of AI kan anmäla dig till den här kursen för att få dina resultat validerade. Det gäller både den svenska och den engelska versionen av kursen. När du är antagen till Grunderna i AI, så kommer vi kontakta dig med information om hur du kan validera dina resultat. Du måste inte göra om kusen, däremot kan det bli så att vi behöver ställa kontrollfrågor motsvarande de som finns i Elements of AI för att säkerställa att det verkligen är du som gått igenom kursen.

Kursen handleds över internet.

VOF = Valbar / Obligatorisk / Frivillig

Kursen ges för		Termin	Period	Block	Språk	Ort/Campus	VOF
Fristående kurs (Tiondelsfart, Blandad undervisningstid)		HT 2019	1, 2	-, -	Svenska	Ortsoberoende
Fristående kurs (Tiondelsfart, Blandad undervisningstid)		HT 2019	1, 2	-, -	Engelska	Ortsoberoende

Huvudområde

Datavetenskap

Utbildningsnivå

Grundnivå

Fördjupningsnivå

G1X

Förkunskapskrav

Grundläggande behörighet på grundnivå.

Rekommenderade förkunskaper

Inga

Lärandemål

Kursens mål är att introducera begrepp och tillämpningar inom artificiell intelligens (AI). Efter kursen kommer studenten att kunna:

Skilja mellan realistisk och orealistik AI
Beskriva några grundläggande filosofiska problem kopplat till AI
Formulera enkla realistiska problem som sökproblem
Tillämpa Bayes regel för beräkna risker i enkla scenarion
Förklara varför maskininlärning används
Skilja mellan oövervakad och övervarkad inlärning
Förklara principerna bakom några övervakade klassificeringsmetoder
Förklara vad ett neuralt nätverk är, hur de fungerar och hur de används
Beskriva svårigheterna med att förutsäga framtiden och kunna utvärdera enkla påståenden om AI
Beskriva några av de största konsekvenserna av AI på samhället

Kursinnehåll

Kursen består av sex delar:

1. Vad är AI?

Definitioner av AI
Autonomi och adaptivitet
Filosofiska problem kopplade till AI som Turingtestet och Kinesiska rummet

2. Att lösa problem med AI

Att formulera enkla spel som luffarschack som ett spelträd
Använda minimax-principen för att hitta optimala drag i ett ändligt spel

3. AI i praktiken

Uttrycka sannolikheter i termer av naturliga frekvenser
Bayes regel för att beräkna risker

4. Maskininlärning

Varför använda maskininlärning?
Oövervakat (unsupervised) och övervakat (supervised) lärande
Inlärningsmetoder som närmaste granne-metoden, linjär regression och logistisk regression

5. Neurala nätverk

Vad är ett neuralt nätverk och var används de?
Teknikerna bakom neurala nätverk

6. Konsekvenser

Större konsekvenser av AI på samhället som AI-skapat innehåll, privacy och arbete
Svårigheterna med att förutspå framtiden och hur man kan utvärdera påstående om AI

Undervisnings- och arbetsformer

Onlinekurs (https://course.elementsofai.se) bestående av text att läsa och uppgifter att göra.

Examination

UPG1

Uppgifter

2 hp

U, G

Bedömningen baseras på övningar, inklusive multipelvalsquizzer, numeriska övningar och frågor som kräver ett skriftligt svar. Multipelvals- och numeriska övningar kontrolleras automatiskt, och övningarna med skriftliga svar granskas av andra studenter ("peer grading") och i vissa fall av instruktörerna. Efter avslutad kurs krävs minst 90% avslutade övningar och minst 50% korrekthet.

På kursen ges betygen Underkänd/Godkänd.

Betygsskala

Tvågradig skala, äldre version, U, G

Institution

Institutionen för datavetenskap

Studierektor eller motsvarande

Peter Dalenius

Examinator

Fredrik Heintz

Kurshemsida och andra länkar

Undervisningstid

Preliminär schemalagd tid: 0 h
Rekommenderad självstudietid: 53 h

Kod	Benämning	Omfattning	Betygsskala
UPG1	Uppgifter	2 hp	U, G

På kursen ges betygen Underkänd/Godkänd.

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

Det finns ingen kurslitteratur tillgänglig på studieinfo för den här kursen.

I = Introducera, U = Undervisa, A = Använda

		I	U	A	Moduler	Kommentar
1. ÄMNESKUNSKAPER
	1.1 Kunskaper i grundläggande matematiska och naturvetenskapliga ämnen (kurser på G1X-nivå)
	1.2 Kunskaper i grundläggande teknikvetenskapliga ämnen (kurser på G1X-nivå)
	1.3 Fördjupade kunskaper, metoder och verktyg inom något av: matematik, naturvetenskap, teknik (kurser på G2X-nivå)
	1.4 Väsentligt fördjupade kunskaper, metoder och verktyg inom något av: matematik, naturvetenskap, teknik (kurser på A1X-nivå)
	1.5 Insikt i aktuellt forsknings- och utvecklingsarbete
2. INDIVIDUELLA OCH YRKESMÄSSIGA FÄRDIGHETER OCH FÖRHÅLLNINGSSÄTT
	2.1 Analytiskt tänkande och problemlösning
	2.2 Experimenterande och undersökande arbetssätt samt kunskapsbildning
	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
	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
	4.4 Att konstruera produkter och system
	4.5 Att realisera produkter och system
	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 inom forsknings- och utvecklingsprojekt
	5.2 Ekonomiska villkor för forsknings- och utvecklingsprojekt
	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.