Kursplan för Beslutsfattande för autonoma system

Kursplanen innehåller ändringar
Se ändringar

Kursplan fastställd 2020-02-04 av programansvarig (eller motsvarande).

Kursöversikt

  • Engelskt namnDecision-making for autonomous systems
  • KurskodSSY235
  • Omfattning7,5 Högskolepoäng
  • ÄgareMPSYS
  • UtbildningsnivåAvancerad nivå
  • HuvudområdeAutomation och mekatronik, Elektroteknik, Teknisk fysik
  • InstitutionELEKTROTEKNIK
  • BetygsskalaTH - Mycket väl godkänd (5), Väl godkänd (4), Godkänd (3), Underkänd

Kurstillfälle 1

  • Undervisningsspråk Engelska
  • Anmälningskod 35118
  • Blockschema
  • Sökbar för utbytesstudenterJa

Poängfördelning

0109 Inlämningsuppgift 3 hp
Betygsskala: UG		 3 hp
0209 Tentamen 4,5 hp
Betygsskala: TH		 4,5 hp
  • 16 Jan 2021 em J
  • 07 Apr 2021 em J
  • 17 Aug 2021 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

SSY165 Händelsediskreta system eller motsvarande
ESS101 Modellering och simulering eller motsvarande

Syfte

Syftet är att introducera studenten till metoder för beslutsfattande baserat på artificiell intelligens. Detta inkluderar att kunna designa lärande system baserat på beslutsträd, bayesianska metoder, markovkedjor och förstärkt lärande. Syftet är att studenten efter kursen ska kunna lösa industriella problem kopplat till robotik och autonoma system.

Lärandemål (efter fullgjord kurs ska studenten kunna)

Efter avslutad kurs ska studenten kunna:
  • Analysera och tillämpa avancerade inlärningstekniker. Tyngdpunkten kommer att ligga på att lära sig att utveckla och implementera inlärningsmetoder inom olika tillämpningsområden, som exempelvis autonom körning och samarbetande robotar.
  • Förstå olika hierarkiska och sannolikhetsbaserade metoder, och deras tillämpningar på verkliga problem inom autonoma system.
  • Förstå grundläggande koncept för att utforma inlärningsmetoder som kan hantera relevanta problem inom autonoma system, såsom lärande, prediktion och beslutsfattande.
  • Tillämpa de genomgångna metoderna inom artificiell intelligens och utvärdera deras förmåga att hantera komplexa system.

Innehåll

Kursen täcker följande ämnen: 
  • Introduktion till intelligens som en del av ett kognitivt system. 
  • Trädbaserade inlärningsmetoder som besluts- och beteendeträd.
  • Sannolikhetsbaserade inlärningsmetoder som exempelvis baysianska metoder och dolda markovmodeller.
  • Principer bakom lärande för beslut, exempelvis Monte Carlo-metoden och Q-inlärningsmetoden.
  • Förklaringsbaserade inlärningsmetoder, vanligtvis kända som Explainable-AI (XAI). Introduktion till kunskapsrepresentation och resonemangsmetoder.
  • Beslutsfattande och planering på hög nivå för autonoma system med särskilt fokus på semantiskt baserade och hierarkiska inlärningsmetoder.
  • Robotprogrammering på hög nivå, inkluderande utformning och implementering av olika moduler för igenkänning, lärande och beslutsfattande för autonoma system.

Organisation

 Kursen utgörs av föreläsningar med integrerade övningar och ett antal inlämningsuppgifter med handledning.

Litteratur

Kurslitteratur meddelas senare. 

Examination inklusive obligatoriska moment

I tid inlämnade och godkända inlämningsuppgifter är ett nödvändigt villkor för att bli godkänd på kursen. För att få betyg 4 och 5, krävs därutöver vissa specificerade uppnådda resultat på på en skriftlig tentamen.

Kursplanen innehåller ändringar

  • Ändring gjord på tentamen:
    • 2020-09-30: Plussning Inte längre plussning av GRULG
      Beslut GRULG, plussning ej tillåten