DD2380 Artificiell intelligens 6,0 hp

• Utbildningsnivå

  Avancerad nivå

• Kursnivå (A-D)

  C

• Huvudområde

  Datalogi och datateknik
  

• Betygsskala

  A, B, C, D, E, FX, F

• Kursens hemsida

• Kurssida på KTH Social

Lärandemål

Efter avslutad kurs ska studenten kunna

• analysera och lösa problem med olika former av sökning, inklusive framtagandet av heuristiker för att öka effektiviteten för lösningen
• formulera och lösa problem med osäker information med hjälp av Bayesianska metoder
• utveckla system som använder sig av artificiell intelligens
• skapa, analysera och kritiskt granska olika lösningar
• genomföra en kvalificerad uppgift med begränsade resurser i form av tid och beräkningskraft
• utvärdera andras arbete
• lösa problem både individuellt och i grupp
• presentera resultat, både skriftligt och muntligt

i syfte att

• dra nytta av metoder inom artificiell intelligens vid analys, design och implementation av datorprogram i såväl akademiska som industriella tillämpningar
• på ett ändamålsenligt sätt presentera resultat och lösningar.

Kursens huvudsakliga innehåll

Följande områden behandlas inom ramen för kursen: problemlösning med sökalgoritmer, heuristik och spel, kunskapsrepresentationer (logik), representation av osäker och resonerande kunskap (Bayesianska nätverk), beslutsteori och utility theory. Kommunikation mellan agenter. Modeller för sannolikhetsbaserad språkbehandling. Exempel på artificiell intelligens inom robot och datorseende kommer också att ges.

Behörighet

För fristående kursstuderande krävs 90 högskolepoäng varav 45 högskolepoäng inom matematik eller informationsteknik. Dessutom krävs engelska B eller motsvarande.

Rekommenderade förkunskaper

För KTH-studerande:
Programmeringskunskaper i Java eller C++ samt datalogikunskaper motsvarande DD1339/DD1340/DD1341 Introduktion till datalogi.
Dessutom DN1240/DN1241 Numeriska metoder gk och SF1906/(SF1901 + SF1904) Sannolikhetsteori och statistik, eller motsvarande.

Litteratur

Artificial Intelligence: A Modern Approach (3rd Edition) by Stuart J. Russell and Peter Norvig

Examination

• INL1 - Inlämningsuppgift, 3,0 hp, betygsskala: P, F
• PRO1 - Projektuppgift, 3,0 hp, betygsskala: P, F

I denna kurs tillämpas skolans hederskodex, se: http://www.kth.se/csc/student/hederskodex.

Krav för slutbetyg

För att slutföra kursen måste studenten genomföra
individuella hemuppgifter (INL1; 3 hp),
lösa en projektuppgift i en grupp med fyra studenter där en artificiell agent ska implementeras. Arbetet ska presenteras i en skriftlig rapport och i en muntlig presentation (PRO1; 3 hp)

Ges av

CSC/Datalogi

Kontaktperson

Patric Jensfelt, tel: 790 6731, e-post: patric@kth.se

Examinator

Patric Jensfelt <patric@kth.se>

Övrig information

Den här kursen får inte räknas med i examen om man också har läst ID2009.

Påbyggnad

DD2431 Maskininlärning
DD2432 Artificiella neuronnät och andra lärande system
DD2423 Bildbehandling och datorseende
DD2429 Datorfotografi
DD2425 Robotik och autonoma system
DD2427 Bildbaserad igenkänning och klassificering
EL2320 Tillämpad estimering

Versionsinformation

Kursplan giltig från och med HT12.
Examinationsinformation giltig från och med HT07.