Kursplan fastställd 2025-02-13 av programansvarig (eller motsvarande).
Kursöversikt
- Engelskt namnInterpretable artificial intelligence
- KurskodTME286
- Omfattning7,5 Högskolepoäng
- ÄgareMPCAS
- UtbildningsnivåAvancerad nivå
- HuvudområdeTeknisk fysik
- InstitutionMEKANIK OCH MARITIMA VETENSKAPER
- BetygsskalaTH - Mycket väl godkänd (5), Väl godkänd (4), Godkänd (3), Underkänd
Kurstillfälle 1
- Undervisningsspråk Engelska
- Anmälningskod 11112
- Max antal deltagare80 (minst 10% av platserna reserveras för utbytesstudenter)
- Sökbar för utbytesstudenterJa
Poängfördelning
Modul | LP1 | LP2 | LP3 | LP4 | Sommar | Ej LP | Tentamensdatum |
---|---|---|---|---|---|---|---|
0121 Projekt 7,5 hp Betygsskala: TH | 7,5 hp |
I program
- MPALG - Datavetenskap - algoritmer, programspråk och logik, Årskurs 1 (valbar)
- MPCAS - Komplexa adaptiva system, Årskurs 1 (obligatoriskt valbar)
- MPHPC - Högpresterande datorsystem, Årskurs 1 (valbar)
- MPSYS - Systemteknik, reglerteknik och mekatronik, Årskurs 1 (valbar)
Examinator
- Mattias Wahde
- Professor, Fordonsteknik och autonoma system, Mekanik och maritima vetenskaper
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
Matematik och programmering på ingenjörsnivåSyfte
Kursens syfte är att förse teknologerna med kunskaper rörande tolkningsbara metoder inom artificiell intelligens, samt tillämpningar av sådana metoder, särskilt i fall där insatserna är höga, som t.ex. i hälsovård, autonoma fordon, finans, o.s.v. Kursen syftar också till att belysa kontraster mellan tolkningsbara system och s.k. svartlådemodeller, t.ex. djupa neurala nätverk.Lärandemål (efter fullgjord kurs ska studenten kunna)
- Definiera och kontrastera, å ena sidan svartlådemodeller och, å andra sidan, tolkningsbara modeller inom artificiell intelligens (AI)
- Definiera och beskriva neuro-symboliska modeller och metoder
- Diskutera och jämföra olika typer av AI-tillämpningar
- Välja lämplig modelltyp för en given tillämpning
- Definiera, implementera och träna AI-modeller (både svartlådemodeller och tolkningsbara modeller) för olika
tillämpningar, t.ex. inom språkbehandling (NLP), dataklassifikation, bildbehandling, autonoma robotar m.m. - Diskutera olika etiska aspekter av artificiell intelligens
Innehåll
- Svartlådemodeller (t.ex. djupa neurala nätverk)
- Tolkningsara modeller (t.ex. regelbaserade system, regressionsmodeller, beslutsträd, Bayesianska metoder)
- Programmering i främst C# och Python
- Statistiska språkmodeller, textbehandling
- Dataklassifikation, särskilt textklassifikation
- Bildbehandling
- Autonoma robotar
- Andra tillämpningar (varierande innehåll)
- Etiska aspekter av AI-tillämpningar
- Etiska aspekter av artificiell intelligens
Organisation
Kursen löper över en läsperiod och är organiserad i form av en föreläsningsserie kombinerad med inlämningsuppgifter som utförs enskilt.Litteratur
Ett kompendium samt ett urval av vetenskapliga artiklar.Examination inklusive obligatoriska moment
Examinationen baseras på ett antal inlämningsuppgifter som ska lösas individuellt av teknologerna.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.