Kursplan för Introduktion till artificiell intelligens

Kursplan fastställd 2020-02-10 av programansvarig (eller motsvarande).

Kursöversikt

  • Engelskt namnIntroduction to artificial intelligence
  • KurskodMMS130
  • Omfattning7,5 Högskolepoäng
  • ÄgareTKMAS
  • UtbildningsnivåGrundnivå
  • HuvudområdeAutomation och mekatronik, Maskinteknik
  • InstitutionMEKANIK OCH MARITIMA VETENSKAPER
  • BetygsskalaTH - Mycket väl godkänd (5), Väl godkänd (4), Godkänd (3), Underkänd

Kurstillfälle 1

  • Undervisningsspråk Engelska
  • Anmälningskod 55153
  • Blockschema
  • Sökbar för utbytesstudenterJa
  • Endast studenter med kurstillfället i programplan.

Poängfördelning

0120 Projekt 3,5 hp
Betygsskala: TH		0 hp0 hp0 hp3,5 hp0 hp0 hp
0220 Tentamen 4 hp
Betygsskala: TH		0 hp0 hp0 hp4 hp0 hp0 hp
  • 03 Jun 2021 em J
  • 20 Aug 2021 fm J

I program

Examinator

Gå till kurshemsidan (Öppnas i ny flik)

Behörighet

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

Särskild behörighet

Samma behörighet som det kursägande programmet.
Sökande med en programregistrering på ett program där kursen ingår i programplanen undantas från ovan krav.

Kursspecifika förkunskaper

Grundläggande ingenjörsmatematik och programmering.

Syfte

Kursen syfte är att introducera studenter till artificiell intelligens inklusive (men ej begränsat till) det viktiga underområdet maskininlärning.

Lärandemål (efter fullgjord kurs ska studenten kunna)

Efter avslutad kurs ska studenterna kunna

  • Beskriva, implementera och använda olika metoder för klassificering, maskininferens, klustring, planering och beslutsfattande
  • Beskriva, implementera och använda basala intelligenta agenter för människa-maskin-interaktion (konversation)
  • Beskriva, implementera och använda neurala nätverk och djupinlärning
  • Beskriva, implementera och använda förstärkningsinlärning (reinforcement learning)
  • Beskriva, implementera och använda stokastiska optimeringsalgoritmer
  • Analysera och kritiska diskutera etiska aspekter av AI och dess tillämpningar
  • Diskutera och analysera olika tillämpningar av AI

Innehåll

Allmän översikt, tolkningsbar AI kontra svartlådemodeller, maskininlärning som ett centralt underområde inom AI,
vägledda kontra icke-vägledda tillvägagångssätt etc.
Introduktion till logik, beslutsfattande och maskininferens
metoder och modeller för klassifikation och klustring
planering och beslutsfattande (klassiska metoder och probabilistiska metoder,
beslutsprocesser med Markovegenskaper, dynamisk programmering)
Intelligenta agenter samt tillämpningar inom autonoma robotar och fordon.
Översikt över maskininlärningsmetoder, introduktion till neurala nätverk och stokastiska 
optimeringsalgoritmer, feedforward-nätverk, djupinlärning och relevanta nätverksarkitekturer,
som t.ex. faltningsnätverk och rekurrenta nätverk. Vägledd och icke-vägledd inlärning.
Tillämpningar inom bildigenkänning och tidsserieanalys. Introduktion till förstärkningsinlärning och
Q-inlärning, med tillämpningar. Implementationer som kombinerar förstärkningsinlärning och djupinlärning
Evolutionära algoritmer (genetiska algoritmer, genetisk programmering), partikelsvärmoptimering,
myralgoritmer, samt diverse tillämpningar av dessa algoritmer.
Etiska aspekter av autonomt beslutsfattande, tolkningsbarhet, juridiska aspekter av AI
Etiska överväganden i specifika tillämpningar

Organisation

Kursen löper över en läsperiod och är organiserad i form av en serie föreläsningar och övningar, kombinerade med projektarbete. I normalfallet är det två föreläsningar och ett övningstillfälle per läsvecka.

Litteratur

Litteratur meddelas senare, men kommer att bestå av föreläsningsanteckningar och vetenskapliga artiklar, samt eventuellt en eller två böcker.

Examination inklusive obligatoriska moment

Examinationen baseras på två project samt en tentamen vid kursens slut.
Resultaten från projekten och tentamen viktas lika (50% vardera) vid betygssättningen.