Kursplanen innehåller ändringar
Se ändringarKursplan fastställd 2022-02-15 av programansvarig (eller motsvarande).
Kursöversikt
- Engelskt namnIntroduction to artificial intelligence
- KurskodMMS131
- Omfattning7,5 Högskolepoäng
- ÄgareTKMAS
- UtbildningsnivåGrundnivå
- HuvudområdeAutomation och mekatronik, Maskinteknik
- TemaMTS 0,5 hp
- InstitutionMEKANIK OCH MARITIMA VETENSKAPER
- BetygsskalaTH - Mycket väl godkänd (5), Väl godkänd (4), Godkänd (3), Underkänd
Kurstillfälle 1
- Undervisningsspråk Engelska
- Anmälningskod 55117
- Sökbar för utbytesstudenterJa
- Endast studenter med kurstillfället i programplan.
Poängfördelning
Modul | LP1 | LP2 | LP3 | LP4 | Sommar | Ej LP | Tentamensdatum |
---|---|---|---|---|---|---|---|
0121 Projekt 7,5 hp Betygsskala: TH | 7,5 hp |
I program
- TKDES - TEKNISK DESIGN, CIVILINGENJÖR, Årskurs 3 (obligatoriskt valbar)
- TKMAS - MASKINTEKNIK, CIVILINGENJÖR, Årskurs 3 (obligatorisk)
Examinator
- Mattias Wahde
- Professor, Fordonsteknik och autonoma system, Mekanik och maritima vetenskaper
Behörighet
Grundläggande behörighet för grundnivåSökande 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 logik och probabilistisk slutledning
- 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 tillämpningarOrganisation
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 ett antal inlämningsuppgifter. Teknologerna arbetar individuellt med de olika inlämningsuppgifterna.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.
Kursplanen innehåller ändringar
- Ändring gjord på kurs:
- 2022-06-14: Rapportering Rapportering ändrat från Separat rapportering av slutbetyg till Enda prov av Examinator/Adm
Enda prov
- 2022-06-14: Rapportering Rapportering ändrat från Separat rapportering av slutbetyg till Enda prov av Examinator/Adm