Kursplan för Introduktion till artificiell intelligens

Kursplan fastställd 2021-02-17 av programansvarig (eller motsvarande).

Kursöversikt

  • Engelskt namnIntroduction to artificial intelligence
  • KurskodMMS131
  • 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 55129
  • Sökbar för utbytesstudenterJa
  • Endast studenter med kurstillfället i programplan.

Poängfördelning

0121 Projekt 7,5 hp
Betygsskala: TH
7,5 hp

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)

  • 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 maskininferensmetoder 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.

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.