Sök i kursutbudet

Använda sökfunktionen för att hitta i Chalmers utbildningsutbud, både vad gäller kurser och program. När det finns en kurshemsida visas en hus-symbol som leder till denna sida.
Sök program och utbildningsplaner


Institutionernas kurser för doktorander

Kursplan för

Läsår
TIN174 - Artificiell intelligens
 
Kursplanen fastställd 2016-02-19 av programansvarig (eller motsvarande)
Ägare: MPALG
7,5 Högskolepoäng
Betygskala: TH - Fem, Fyra, Tre, Underkänt
Utbildningsnivå: Avancerad nivå
Huvudområde: Datateknik, Informationsteknik
Institution: 37 - DATA- OCH INFORMATIONSTEKNIK

Kursen är full
Undervisningsspråk: Engelska
Sökbar för utbytesstudenter
Blockschema: D

Kursmoment   Poängfördelning   Tentamensdatum
Lp1 Lp2 Lp3 Lp4 Sommarkurs Ej Lp
0116 Inlämningsuppgift 2,5hp Betygskala: UG   2,5hp   08 Jun 2017 em SB,  21 Aug 2017 fm M
0216 Projekt 5,0hp Betygskala: TH   5,0hp    

I program

TKDAT DATATEKNIK, CIVILINGENJÖR, Årskurs 3 (valbar)
TKITE INFORMATIONSTEKNIK, CIVILINGENJÖR, Årskurs 3 (valbar)
MPALG DATAVETENSKAP - ALGORITMER, PROGRAMSPRÅK OCH LOGIK, MASTERPROGRAM, Årskurs 1 (obligatoriskt valbar)
MPCAS KOMPLEXA ADAPTIVA SYSTEM, MASTERPROGRAM, Årskurs 2 (valbar)
MPIDE INTERAKTIONSDESIGN, MASTERPROGRAM, Årskurs 1 (obligatoriskt valbar)
MPCSN DATORER, NÄTVERK OCH SYSTEM, MASTERPROGRAM, Årskurs 1 (valbar)

Examinator:

Univ lektor  Peter Ljunglöf

Ersätter

TIN173   Artificiell intelligens


  Gå till kurshemsida

 

Behörighet:


För kurser på avancerad nivå gäller samma grundläggande och särskilda behörighetskrav som till det kursägande programmet. (När kursen är på avancerad nivå men ägs av ett grundnivåprogram gäller dock tillträdeskrav för avancerad nivå.)
Undantag från tillträdeskraven: Sökande med en programregistrering på ett program där kursen ingår i programplanen undantas från ovan krav.

Kursspecifika förkunskaper

För tillträde till kursen ska studenten ha avklarat 1 års (60 hp) studier inom ämnet datavetenskap eller motsvarande. Dessutom ska studenten ha fått godkänt i följande kurser:

  • advanced programming (DIT950, TDA550, DIT260, TDA342, DAT121, eller liknande),
  • data structures (DIT960, DAT036, TDA416, eller liknande),
  • algorithms (DIT600, TIN092, eller liknande).

Detta är en avancerad kurs: Vi förutsätter att studenten har akademisk mognad och en vilja att utforska självständigt. Studenten ska ha förmåga att slutföra ett betydande programmeringsprojekt i valfritt programmeringsspråk, t.ex. Java, Haskell, Python, Lisp, Prolog eller C/C++.
Det är nyttigt, men inte obligatoriskt, om studenten har läst kurser som:

  • automatteori (t.ex. DIT321, TMV027),
  • logik i datavetenskap (t.ex. DAT060),
  • maskininlärning (t.ex. DIT380, TDA231),
  • programspråksteknik (t.ex., DAT151, DIT230).

Syfte

Artificiell intelligens (AI) studerar hur datorer kan utföra uppgifter som traditionellt har ansetts kräva mänsklig intelligens. Syftet med kursen är att ge en fördjupad förståelse för möjligheter och begränsningar med AI-metoder.

Lärandemål (efter fullgjord kurs ska studenten kunna)

Efter avklarad kurs förväntas studenten ha förmåga att:

Kunskap och förståelse
  • exemplifiera och beskriva några utvalda applikationsområden som kan tjäna på att använda AI-tekniker och -metoder.
  • redogöra för och beskriva de viktigaste teknikerna och metoderna som används inom olika AI-delområden, såsom maskininlärning, språkteknologi, automatisk slutledning och planering; inklusive medvetenhet om grundläggande AI-algoritmer i dessa områden och hur de används.
  • definiera, förklara och diskutera åtminstone ett AI-delområde, förvärvad genom ett handlett projektarbete i grupp.
  • designa, implementera, dokumentera och utvärdera en AI-baserad mjukvarutillämpning så att den har acceptabel prestanda.
Färdighet och förmåga
  • tolka och analysera forskningslitteratur, och tillämpa den för att lösa AI-relaterade problem.
  • tillämpa de kunskaper som förvärvats i denna kurs till nya problem inom AI-domänen.
  • skriva vetenskapliga rapporter.
Värderingsförmåga och förhållningssätt
  • bedöma vad som kan uppnås med AI-tekniker och vad som inte är möjligt.
  • bedöma när det är möjligt att använda AI-tekniker, och när det inte är meningsfullt.
  • sammanfatta och relatera olika etiska argument för eller mot AI.

Innehåll

Följande ämnen ingår i kursen:

Översikt över AI
  • introduktion till AI
  • historiska, filosofiska och etiska frågor inom AI
  • applikationsområden där AI-tekniker används, såsom språkteknologi, bioinformatik, robotik, etc.
AI-tekniker och -metodologier
  • oinformerad och informerad sökning
  • logik och deduktion
  • probabilistisk slutledning
  • automatisk planering

Organisation

Kursen är projektinriktad och uppdelad i två delar. Den minsta delen är teoretisk och består av föreläsningar och uppgifter som täcker de viktigaste AI-ämnena. Den större delen av kursen består av arbete i projektgrupper för att slutföra ett programmeringsprojekt, att skriva en essä och läsa och kommentera arbetet till dom andra grupperna på kursen. Studenterna bildar projektgrupper, och grupperna tilldelas handledare, programmeringsprojekt och essä-ämnen.

Litteratur

Se separat litteraturlista.

Examination

Kursen examineras genom en individuell skriftlig inlämningsuppgift (2,5 hp) och ett AI-projekt (5,0 hp) som genomförs i grupper. AI-projektet består av tre delar: ett programmeringsprojekt som täcker några av de AI-tekniker som presenteras i föreläsningarna, en skriftlig rapport från programmeringsprojektet och en skriftlig essä som omfattar en historisk, filosofisk eller etisk frågeställning inom AI och som presenteras på slutet av kursen. Det slutliga programmet, de skriftliga rapporterna, deltagande under handledning, och den slutliga presentationen är viktiga för bedömningen av projektet. För att bli godkänd på kursen måste studenten också delta aktivt under handledning och läsa och kommentera rapporterna till kursens andra grupper.


Publicerad: to 02 sep 2010. Ändrad: må 28 nov 2016