Kursplan för Design av AI-system

Kursplan fastställd 2021-02-26 av programansvarig (eller motsvarande).

Kursöversikt

  • Engelskt namnDesign of AI systems
  • KurskodDAT410
  • Omfattning7,5 Högskolepoäng
  • ÄgareMPDSC
  • UtbildningsnivåAvancerad nivå
  • HuvudområdeDatateknik, Informationsteknik
  • InstitutionDATA- OCH INFORMATIONSTEKNIK
  • BetygsskalaTH - Mycket väl godkänd (5), Väl godkänd (4), Godkänd (3), Underkänd

Kurstillfälle 1

  • Undervisningsspråk Engelska
  • Anmälningskod 87112
  • Blockschema
  • Sökbar för utbytesstudenterJa

Poängfördelning

0119 Inlämningsuppgift 7,5 hp
Betygsskala: TH
7,5 hp

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

En kurs i programmering i ett generellt programmeringsspråk (t. ex. C/C++/Java/Python eller liknande). En kurs i matematik (exempelvis analys, linjär algebra, tillämpat matematiskt tänkande), samt en kurs i matematisk statistik. Kursen "Introduction to Data Science and AI" (DAT405) eller liknande. Det rekommenderas starkt att studenten har gått en kurs i Machine Learning, exempelvis DAT340, TDA233 eller liknande, eller att en sådan kurs läses parallelt med denna kurs.

Syfte

Kursen syftar till att förklara hur olika välkända AI-system fungerar, ge inblick i hur man bygger sådana system, och övning i att själv utveckla AI-system. Kursen tar ett brett perspektiv och inkluderar även näraliggande områden som exempelvis data science, algoritmer och optimering när så är lämpligt.

Lärandemål (efter fullgjord kurs ska studenten kunna)

Efter godkänd kurs ska studenten kunna:

Kunskap och förståelse
  • Ge en överblick över olika tillämpningar inom AI och näraliggande områden.
  • Beskriva hur olika välkända AI-system fungerar och används.
  • Förklara hur AI-tekniker förhåller sig till andra slag av avancerad informationsbehandling.
Färdigheter och förmåga
  • Identifiera problem som kan lösas med AI-tekniker och annan avancerad informationsbehandling
  • Designa enklare AI-system för olika tillämpningar, inklusive modellval och systemdesign.
  • Implementera AI-system med programmering i kombination med olika verktyg och programmeringsbibliotek.
Värderingsförmåga och förhållningssätt
  • Diskutera fördelar och nackdelar hos olika typer av tillvägagångssätt och modeller inom AI
  • Reflektera över inneboende begränsningar och möjligheter med dagens AI-metoder 
  • Kritiskt analysera och diskutera AI-tillämpningar med avseende på etik, sekretess och samhällspåverkan
  • Uppvisa en reflekterande attityd i all inlärning

Innehåll

Kursen lär ut design av AI-system på flera olika sätt:
  • Läsning av artiklar och föreläsningar som beskriver olika AI-system och deras design (exempelvis AlphaZero, Watson, system för självkörande bilar,…)
  • Möjlighet att själv testa och se implementeringen av olika enklare AI-system.
  • Egen problemlösning i form av design och implementering av enklare AI-system.
  • Diskussion om möjligheter och begränsningar med AI, etik och samhällspåverkan.

Organisation

Föreläsningar och moduler med inlämningsuppgifter och miniprojekt – dessa utförs i huvudsak i grupper om två personer.

Litteratur

Kurslitteratur i form av artiklar mm. Som presenteras under kursens gång.

Examination inklusive obligatoriska moment

Inlämningsuppgifter och miniprojekt. Ingen tentamen.

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.