Kursplan fastställd 2023-02-10 av programansvarig (eller motsvarande).
Kursöversikt
- Engelskt namnDecision-making for autonomous systems
- KurskodSSY236
- 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 35111
- Sökbar för utbytesstudenterJa
Poängfördelning
Modul | LP1 | LP2 | LP3 | LP4 | Sommar | Ej LP | Tentamensdatum |
|---|---|---|---|---|---|---|---|
| 0121 Inlämningsuppgift 3 hp Betygsskala: UG | 0 hp | 3 hp | 0 hp | 0 hp | 0 hp | 0 hp | |
| 0221 Projekt 4,5 hp Betygsskala: TH | 0 hp | 4,5 hp | 0 hp | 0 hp | 0 hp | 0 hp |
I program
- MPMED - MEDICINTEKNIK, MASTERPROGRAM, Årskurs 1 (valbar)
- MPSYS - SYSTEMTEKNIK, REGLERTEKNIK OCH MEKATRONIK, MASTERPROGRAM, Årskurs 1 (valbar)
- MPSYS - SYSTEMTEKNIK, REGLERTEKNIK OCH MEKATRONIK, MASTERPROGRAM, Årskurs 2 (valbar)
Examinator
Karinne Ramirez-Amaro- Docent, System- och reglerteknik, Elektroteknik
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
- MPSYS-kursen Händelsediskreta system eller motsvarande
- MPSYS-kursen Modellering och simulering eller motsvarande
- Programmeringskunskaper (vi kommer att använda C++)
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 baserade på logiska resonemang. Tyngdpunkten kommer att ligga på att lära sig att utveckla och implementera inlärningsmetoder inom olika tillämpningsområden, som exempelvis autonom körning och samarbetande robotar.
- 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.
- Förklaringsbaserade inlärningsmetoder, vanligtvis kända som Explainable-AI (XAI). Introduktion till kunskapsrepresentation och resonemangsmetoder.
- 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
Tom Mitchell: Machine Learning, Mc Graw Hill, 1997 (available online).
Stuart Russell and Peter Norvig: Artificial Intelligence: A Modern Approach, 3rd Ed, Prentice Hall, 2009.
Examination inklusive obligatoriska moment
I tid inlämnade och godkända inlämningsuppgifter är ett nödvändigt villkor för att bli godkänd på kursen. Slutbetyget på kursen kommer att innehålla poängen som förvärvats i inlämningsuppgifterna och poängen som erhållits med slutprojektet.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.