Kursplan för Artificiell intelligens

Artificial Intelligence

  • 5 högskolepoäng
  • Kurskod: 1DL340
  • Utbildningsnivå: Avancerad nivå
  • Huvudområde(n) och successiv fördjupning: Datavetenskap A1N, Teknik A1N

    Förklaring av koder

    Koden visar kursens utbildningsnivå och fördjupning i förhållande till andra kurser inom huvudområdet och examensfordringarna för generella examina:

    Grundnivå

    • G1N: har endast gymnasiala förkunskapskrav
    • G1F: har mindre än 60 hp kurs/er på grundnivå som förkunskapskrav
    • G1E: innehåller särskilt utformat examensarbete för högskoleexamen
    • G2F: har minst 60 hp kurs/er på grundnivå som förkunskapskrav
    • G2E: har minst 60 hp kurs/er på grundnivå som förkunskapskrav, innehåller examensarbete för kandidatexamen
    • GXX: kursens fördjupning kan inte klassificeras

    Avancerad nivå

    • A1N: har endast kurs/er på grundnivå som förkunskapskrav
    • A1F: har kurs/er på avancerad nivå som förkunskapskrav
    • A1E: innehåller examensarbete för magisterexamen
    • A2E: innehåller examensarbete för masterexamen
    • AXX: kursens fördjupning kan inte klassificeras

  • Betygsskala: Underkänd (U), godkänd (3), icke utan beröm godkänd (4), med beröm godkänd (5)
  • Inrättad: 2009-03-12
  • Inrättad av: Teknisk-naturvetenskapliga fakultetsnämnden
  • Reviderad: 2021-10-20
  • Reviderad av: Teknisk-naturvetenskapliga fakultetsnämnden
  • Gäller från: HT 2022
  • Behörighet:

    120 hp varav 15 hp matematik och 20 hp datavetenskap, inklusive en fortsättningskurs i programmering. Alternativt 45 hp inom Masterprogram i språkteknologi (HSP2M). Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)

  • Ansvarig institution: Institutionen för informationsteknologi

Mål

Efter godkänd kurs ska studenten kunna:

  • känna igen om ett problem är AI-relaterat
  • modellera AI-problem och ange en lämplig lösningsmetod (t.ex. expertsystem, sökalgoritmer, lärande system)
  • beskriva och använda sökmetoder, expertsystem, statistiska metoder och enkla metoder för lärande
  • diskutera olika definitioner av AI, och relatera dessa till AI:s historia

Innehåll

Heuristisk sökning, kunskapsrepresentation, expertsystem, statistiska metoder, lärande system. Användningar av AI, t.ex. i dataspel.

Undervisning

Föreläsningar och laborationer.

Examination

Skriftligt prov samt uppgifter som redovisas muntligt och skriftligt.

Om särskilda skäl finns får examinator göra undantag från det angivna examinationssättet och medge att en enskild student examineras på annat sätt. Särskilda skäl kan t.ex. vara besked om särskilt pedagogiskt stöd från universitetets samordnare för studenter med funktionsnedsättning.

Övriga föreskrifter

Den här kursen kan inte samtidigt tas med i examen som 1DL010.

Versioner av kursplanen

Litteratur

Uppgift om kurslitteratur saknas. Ta kontakt med ansvarig institution för mer information.

Skriv ut