Moment 1, teoridel, 4.5 högskolepoäng
Teoridelen innehåller grundläggande och tillämpad kunskap om ämnet Artificiell intelligens. Momentet innefattar genomgång av mål, begrepp, metoder, algoritmer och tillämpningar för sökning heuristik, spelteorier och spelmetoder, kunskapsrepresentation, planering, inlärning och osäkerhet. Genomgång av logik; sats- och predikatlogik.
Moment 2, laborationsdelt, 3 högskolepoäng
Delmomentet utgörs av en laborationskurs med ett antal obligatoriska inlämningsuppgifter. I denna laborationskurs tränas tillämpning av någon eller några av delarna från moment 1 praktisk.
Förväntade studieresultat
Efter avslutad kurs ska studenten kunna:
- Utforma, bygga och utvärdera intelligenta agenter
- Redogöra för och tillämpa begrepp, metoder och teorier för sökning, heuristik, spelteorier och spelmetoder, kunskapsrepresentation, planering
- Beskriva och tillämpa begrepp och metoder för sats- och predikatlogik samt kunna analysera kraften och begränsningen av både logik och sannolikhetsteori som en representation och ett resonerande språk
- Förklara grunderna om inlärningssystem och osäkerhet
- Ge grundläggande beskrivning om neurala-, bayesianska- och Markov-nätverk, beslutsträd, informationsteori och vissa inlärningsalgoritmer för dessa
- Beskriva och redogöra för ett tillämpat område i artificiell intelligens, från till exampel ett av områdena: naturligt språk, dialogsystem, expert system, språkigenkänning
- Översiktligt redogöra för området artificiell intelligens historia, framtid och olika filosofiska perspektiv på artificiell intelligens.
Behörighetskrav
Univ:För tillträde till kursen krävs, 60 hp i huvudområdet datavetenskap eller 2 års avklarade studier, i båda fallen inkluderande kurserna Logik för datavetare (5DV007) och Systemprogrammering (5DV006) eller motsvarande kunskaper. Engelska A och svenska för grundläggande behörighet för högskolestudier (om kursen ges på svenska)
Undervisningens upplägg
Undervisningen bedrivs i form av föreläsningar, arbete i datorlabb och övningar i mindre grupper. Utöver schemalagda aktiviteter krävs även individuellt arbete med materialet.
Examination
Examinationen sker dels genom skriftlig tentamen (på teoridelen) dels genom ett laborationsmoment. På en skriftlig tentamen sätts något av betygen Underkänd (U), Godkänd (3), Icke utan beröm godkänd (4) eller Med beröm godkänd (5). På laborationsmomentet ges endast betygen Underkänd (U) eller Godkänd (G). På hela kursen ges något av betygen Underkänd (U), Godkänd (3), Icke utan beröm godkänd (4) eller Med beröm godkänd (5). För att bli godkänd på hela kursen krävs att samtliga prov och obligatoriska moment är godkända. Betyget utgör en sammanfattande bedömning av resultaten vid examinationens olika delar och sätts först när alla obligatoriska moment är godkända.
För studerande som inte godkänns vid ordinarie provtillfälle anordnas ytterligare provtillfälle.
Studerande som två gånger underkänts i prov, har rätt att hos styrelsen för institutionen för datavetenskap begära att annan lärare utses för att sätta betyg på honom/henne. Den som godkänts i ett prov får ej undergå förnyat prov för högre betyg
TILLGODORÄKNANDE
I en examen får denna kurs ej ingå, helt eller delvis, samtidigt med en annan kurs med likartat innehåll. Vid tveksamheter bör den studerande rådfråga studievägledare vid Institutionen för datavetenskap.
Artificial intelligence : a modern approach Russell Stuart Jonathan, Norvig Peter 2. ed. : Upper Saddle River, N.J : Prentice Hall : cop. 2003 : xxviii, 1080 s. : ISBN: 0-13-080302-2 (international ed.) Se Umeå UB:s söktjänst
