Kursplan för Neuro-symbolisk AI

Kursplanen innehåller ändringar
Se ändringar

Kursplan fastställd 2024-02-08 av programansvarig (eller motsvarande).

Kursöversikt

  • Engelskt namnNeuro-symbolic AI
  • KurskodDAT615
  • Omfattning7,5 Högskolepoäng
  • ÄgareMPALG
  • UtbildningsnivåAvancerad nivå
  • HuvudområdeDatateknik, Informationsteknik
  • InstitutionDATA- OCH INFORMATIONSTEKNIK
  • BetygsskalaTH - Mycket väl godkänd (5), Väl godkänd (4), Godkänd (3), Underkänd

Kurstillfälle 1

  • Undervisningsspråk Engelska
  • Anmälningskod 02136
  • Max antal deltagare50 (minst 10% av platserna reserveras för utbytesstudenter)
  • Blockschema
  • Sökbar för utbytesstudenterJa

Poängfördelning

0124 Tentamen 7,5 hp
Betygsskala: TH		 7,5 hp
  • 14 Jan 2025 em J
  • 16 Apr 2025 em J
  • 20 Aug 2025 em J

I program

Examinator

Gå till kurshemsidan (Öppnas i ny flik)

Behörighet

Grundläggande behörighet för avancerad nivå
Sökande med en programregistrering på ett program där kursen ingår i programplanen undantas från ovan krav.

Särskild behörighet

Engelska 6
Sökande med en programregistrering på ett program där kursen ingår i programplanen undantas från ovan krav.

Kursspecifika förkunskaper

För att vara behörig till kursen ska studenten minst vara godkänd på följande kurser:
  • 7.5 hp programmering (erfarenhet av Python är önskvärd, men inget absolut krav)
  • 7.5 hp grundläggande maskininlärning (exempelvis TDA233, MVE440, DAT340)

Syfte

Kursens mål är att introducera studenter till grundläggande begrepp inom symbolisk, neural och neuro-symbolisk AI. Detta inkluderar de olika metodikernas respektive styrkor och svagheter, samt hur neuro-symboliska metoder kan dra nytta av båda sidor.

Lärandemål (efter fullgjord kurs ska studenten kunna)

Efter fullgjord kurs ska studenten kunna:
  • Särskilja vad symbolisk respektive neural AI omfattar.
  • Redogöra för vad neuro-symbolisk AI omfattar.
  • Tillämpa och implementera metoder och algoritmer för neural AI.
  • Tillämpa och implementera metoder och algoritmer för symbolisk AI.
  • Tillämpa och implementera neuro-symboliska AI metoder och algoritmer.

Innehåll

Kursen är indelad under tre rubriker:
  • Neural AI metoder, exempelvis förstärkningsinlärning.
  • Symbolisk AI metoder, exempelvis programsyntes.
  • Neuro-symbolisk AI, specifikt hur neurala och symboliska metoder och system kan kombineras för att dra nytta av respektive styrkor.

Organisation

Kursen består av föreläsningar varje vecka.

Dessutom ingår icke-obligatoriska skriv- och programmeringsuppgifter att göra hemma. Studenter uppmuntras dock starkt att också göra övningarna då dessa kan räknas som extrapoäng mot slutbetyget.

Litteratur

Forskningsartiklar som laddas upp på kurshemsidan

Examination inklusive obligatoriska moment

Kursen har en skriftlig tentamen. Hemuppgifter under kursens gång är inte obligatoriska men kan generera extrapoäng att räkna mot slutbetyg.

Kursens examinator får examinera enstaka studenter på annat sätt än vad som anges ovan om särskilda skäl föreligger, till exempel om en student har ett beslut från Chalmers om pedagogiskt stöd på grund av funktionsnedsättning.

Kursplanen innehåller ändringar

  • Ändring gjord på tentamen:
    • 2024-10-17: Inställd Ändrat till inställd av Moa Johansson
      [2025-04-16 7,5 hp, 0124] Inställt
  • Ändring gjord på kurstillfälle:
    • 2024-09-26: Examinator Examinator Moa Johansson (jomoa) tillagt av Viceprefekt
      [Kurstillfälle 1]
    • 2024-05-06: Block Block ändrat från C till D av Moa Johansson
      [Kurstillfälle 1]
    • 2024-04-30: Block Block C tillagt av Elin Johansson
      [Kurstillfälle 1]