Kursplan fastställd 2025-02-20 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 02124
- Max antal deltagare50 (minst 10% av platserna reserveras för utbytesstudenter)
- Sökbar för utbytesstudenterJa
Poängfördelning
Modul | LP1 | LP2 | LP3 | LP4 | Sommar | Ej LP | Tentamensdatum |
---|---|---|---|---|---|---|---|
0124 Tentamen 7,5 hp Betygsskala: TH | 7,5 hp |
I program
- MPALG - Datavetenskap - algoritmer, programspråk och logik, Årskurs 1 (valbar)
- MPALG - Datavetenskap - algoritmer, programspråk och logik, Årskurs 2 (valbar)
Examinator
- Moa Johansson
- Docent, Data Science och AI, Data- och informationsteknik
Behörighet
Grundläggande behörighet för avancerad nivåSökande med en programregistrering på ett program där kursen ingår i programplanen undantas från ovan krav.
Särskild behörighet
Engelska 6Sökande 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 i Python
- 7.5 hp grundläggande maskininlärning (exempelvis TDA233, MVE440, DAT340)
Det är en fördel om man har kunskap om sats- och prediaktlogik, programmeringsspråk och sannolikhetslära
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.'
- Läsa och tillgodogöra sig nya forskningsartiklar inom neuro-symbolisk AI.
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 kurshemsidanExamination 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 riktat pedagogiskt stöd på grund av funktionsnedsättning.