DD2380 Artificiell intelligens 6,0 hp
Artificial Intelligence
Kursen ger en bred översikt över problem och metoder som studeras inom området artificiell intelligens.
Utbildningsnivå
Avancerad nivåHuvudområde
Datalogi och datateknik
Betygsskala
A, B, C, D, E, FX, F
Kurstillfällen/kursomgångar
VT19 ai19vt för programstuderande
-
Perioder
VT19 P3 (6,0 hp)
-
Anmälningskod
60740
Kursen startar
2019-01-15
Kursen slutar
2019-03-15
Undervisningsspråk
Engelska
Studielokalisering
KTH Campus
Undervisningstid
Dagtid
Undervisningsform
Normal
-
Antal platser
Ingen begränsning
Schema
Planerade moduler
P3: G1, B2. mer info
Kursansvarig
Iolanda Dos Santos Carvalho Leite <iolanda@kth.se>
Lärare
Iolanda Dos Santos Carvalho Leite <iolanda@kth.se>
Jana Tumová <tumova@kth.se>
Patric Jensfelt <patric@kth.se>
Målgrupp
Sökbar för studenter från årskurs 3 antagna på civilingenjörsprogram och studenter antagna på masterprogram
Del av program
HT19 aiHT19 för programstuderande
-
Perioder
HT19 P1 (6,0 hp)
-
Anmälningskod
50052
Kursen startar
2019-08-26
Kursen slutar
2019-10-25
Undervisningsspråk
Engelska
Studielokalisering
KTH Campus
Undervisningstid
Dagtid
Undervisningsform
Normal
-
Antal platser
Ingen begränsning
Planerade moduler
P1: F1, J1, F2, J2. mer info
Kursansvarig
Jana Tumová <tumova@kth.se>
Lärare
Iolanda Dos Santos Carvalho Leite <iolanda@kth.se>
Jana Tumová <tumova@kth.se>
Målgrupp
Sökbar för TCSCM årskurs 1 och TMAIM årskurs 1 och TIEMM inrikning IAVN årskurs 1 och TIEMM inrikning MAIG årskurs 1 och TIEMM inrikning PUET årskurs 1
Del av program
VT20 aiVT20 för programstuderande
-
Perioder
VT20 P3 (6,0 hp)
-
Anmälningskod
60113
Kursen startar
2020-01-15
Kursen slutar
2020-03-14
Undervisningsspråk
Engelska
Studielokalisering
KTH Campus
Undervisningstid
Dagtid
Undervisningsform
Normal
-
Antal platser
Ingen begränsning
Kursansvarig
Iolanda Dos Santos Carvalho Leite <iolanda@kth.se>
Lärare
Iolanda Dos Santos Carvalho Leite <iolanda@kth.se>
Jana Tumová <tumova@kth.se>
Målgrupp
Sökbar för studenter från årskurs 3 antagna på civilingenjörsprogram och studenter antagna på masterprogram
Del av program
- Masterprogram, ICT Innovation, åk 1, AUSM, Valfri
- Masterprogram, ICT Innovation, åk 1, AUSY, Valfri
- Masterprogram, ICT Innovation, åk 1, DASC, Valfri
- Masterprogram, ICT Innovation, åk 1, DASE, Valfri
- Masterprogram, ICT Innovation, åk 2, AUSM, Valfri
- Masterprogram, ICT Innovation, åk 2, AUSY, Valfri
- Masterprogram, ICT Innovation, åk 2, DASC, Valfri
- Masterprogram, ICT Innovation, åk 2, DASE, Valfri
- Masterprogram, systemteknik och robotik, åk 1, RASM, Villkorligt valfri
- Masterprogram, systemteknik och robotik, åk 2, RASM, Villkorligt valfri
HT18 ai18 för programstuderande
-
Perioder
HT18 P1 (6,0 hp)
-
Anmälningskod
50967
Kursen startar
2018-08-27
Kursen slutar
2018-10-26
Undervisningsspråk
Engelska
Studielokalisering
KTH Campus
Undervisningstid
Dagtid
Undervisningsform
Normal
-
Antal platser
Ingen begränsning
Schema
Planerade moduler
P1: F1, J1, F2, J2. mer info
Kursansvarig
Jana Tumová <tumova@kth.se>
Lärare
Iolanda Dos Santos Carvalho Leite <iolanda@kth.se>
Jana Tumová <tumova@kth.se>
Målgrupp
Sökbar för studenter från årskurs 3 antagna på civilingenjörsprogram och studenter antagna på masterprogram
Del av program
HT18 SAP för Study Abroad Programme (SAP)
-
Perioder
HT18 P1 (6,0 hp)
-
Anmälningskod
10067
Kursen startar
2018-08-27
Kursen slutar
2018-10-26
Undervisningsspråk
Engelska
Studielokalisering
KTH Campus
Undervisningstid
Dagtid
Undervisningsform
Normal
-
Antal platser
Ingen begränsning
Kursansvarig
Jana Tumová <tumova@kth.se>
Lärare
Iolanda Dos Santos Carvalho Leite <iolanda@kth.se>
Jana Tumová <tumova@kth.se>
Patric Jensfelt <patric@kth.se>
Målgrupp
Endast öppet för studenter från avtalsuniversitet inom programmet SAP.
Lärandemål
Efter avslutad kurs ska studenten kunna
- känna till och tillämpa grundläggande principer inom artificiell intelligens
- lösa problem inom AI
- demonstrera insikt gällande risker med AI och dess roll i samhället
- presentera arbete
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), planering, representation av osäker och resonerande kunskap (Bayesianska nätverk, HMM), beslutsteori och utility theory, språkbehandling (NLP).
Kursupplägg
Kursmaterialet presenteras i en serie föreläsningar. Givet kursen bredd dessa föreläsningar syftar till att introducera materialet snarare än att gå på djupet. Utöver föreläsningar annordnas några övningar som går lite mer på djupet. Examinationen i kursen består av quizzes som testar kunskap och förståelse av grundläggande koncept i kurser, två labbar där programmering i Java och C++ krävs som går på djupet inom två områden och som testar förmågan att lösa problem i AI samt ett valfritt projekt med forskningskoppling för högre betyg. Ett kriteriabaserat betygssystem används.
Behörighet
För fristående kursstuderande krävs 90 högskolepoäng varav 45 högskolepoäng inom matematik och/eller informationsteknik, och kurserna SF1604 Linjär algebra, SF1625 Envariabelanalys, SF1626 Flervariabelanalys, SF1901 Sannolikhetsteori och statistik, DD1337 Programmering och DD1338 Algoritmer och Datastrukturer eller motsvarande.
Rekommenderade förkunskaper
Programmeringskunskaper i Java eller C++ samt datalogikunskaper motsvarande DD1337 Programmering och DD1338 Algoritmer och Datastrukturer. Dessutom kurskaper motsvarande SF1546 Numeriska metoder gk och SF1901 Sannolikhetsteori och statistik.
Litteratur
Artificial Intelligence: A Modern Approach by Stuart J. Russell and Peter Norvig
Examination
- LAB1 - Laborationer, 4,0, betygsskala: P, F
- TEN1 - Tentamen, 2,0, 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 klara av de två momenten (LAB1; 4 hp) och (TEN1; 2 hp)
Ges av
EECS/Intelligenta system
Kontaktperson
Jana Tumova, tumova@kth.se
Examinator
Iolanda Dos Santos Carvalho Leite <iolanda@kth.se>
Jana Tumová <tumova@kth.se>
Påbyggnad
DD2431 Maskininlärning
DD2434 Mackininlärning, avancerad kurs
DD2424 Djupinlärning i data science
DD2432 Artificiella neuronnät och andra lärande system
DD2423 Bildbehandling och datorseende
DD2429 Datorfotografi
DD2425 Robotik och autonoma system
EL2320 Tillämpad estimering
Versionsinformation
Kursplan gäller från och med VT2019.
Examinationsinformation gäller från och med VT2019.