Datateknik AV, Artificiell intelligens - maskininlärning, 7,5 hp

Syfte

Kursen presenterar, både teoretiskt och praktiskt, en fördjupning inom ett delområde av Artificiell intelligens. Kursen fokuserar mot maskininlärning, för t.ex. design av självlärande intelligenta agenter.

Lärandemål

Efter godkänd kurs skall du:
- kunna värdera olika former för att representera kunskap för ett specifikt problem,
- kunna bedöma metoder för maskininlärning och välja metod för ett specifikt problem,
- kunna kombinera olika maskininlärningsmetoder med a) varandra och b) andra avancerade AI-tekniker och representationsformer, och
- förstå kopplingen mellan AI-tekniker och situationer där AI kan användas för problemlösning.

Innehåll

Kursen behandlar AI-metoder hämtade från biologin:
- Artificiella neurala nätverk (ANNs).
- Evolutionsalgoritmer (EAs).
I kursen diskuteras bakomliggande teorier för båda teknikerna, mekanismernas detaljer samt några exempel på deras användning.

Behörighet

Datateknik GR (A-C), 75 hp, inkluderande Datateknik GR (C), Artificiell Intelligens, 7,5 hp. Matematik GR (A), 15 hp.

Urvalsregler

Urval sker i enlighet med Högskoleförordningen och den lokala antagningsordningen.

Undervisning

Kursen kan genomföras som campuskurs eller som webbaserad distanskurs utan samlingar. Olika genomföranden ställer olika krav på lärare och student. Vid varje kurstillfälle framgår vilken undervisningsform som kommer att tillämpas. Kursarbetets omfattning uppskattas till ca 200 timmar.

Campuskurs:
Undervisningen består av cirka 32 timmar (16 %) föreläsningar och 32 timmar (16 %) handledda laborationer. Cirka 136 timmar (68 %) av kurstiden är studietid utan lärare som du skall ägna åt inläsning av litteratur, förberedelser för laboration, eget laborerande, redovisning av uppgifter samt förberedelser för seminarier och tentamen. Vid förändrad resurstillgång kan fördelningen ändras.

Webbaserad distanskurs utan samlingar:
Allt kursmaterial presenteras via en webbaserad undervisningsplattform. Handledning ges via den aktuella undervisningsplattformen utifrån den enskilde studentens behov. Detta kan exempelvis ske via e-post eller diskussionsgrupper. För varje student avsätts cirka 5 timmars handledningstid.

Examination

L101: Laboration, 4,5 hp
Betygsskala: Underkänd (U) eller Godkänd (G)

P101: Projekt, 3 hp
Betygsskala: På kursen ges något av betygen A, B, C, D, E, Fx och F. A - E är Godkänt, Fx och F är underkänt.

4,5 hp, L101: Laboration
Betyg: Underkänd (F) eller Godkänd (P)

3,0 hp, P101: Projekt
Betyg: A, B, C, D, E, Fx och F. A-E är Godkänt, Fx och F är Underkänt.

Betygskriterier för ämnet finns på www.miun.se/betygskriterier.

Övergångsregel

Denna kursplan är under avveckling och upphör att gälla 2024-12-01. Fram till dess är det möjligt att delta i examinationer vid fastställda datum. Anmälan behöver göras i förväg. För mer information kontakta ansvarig institution via KKIexp@miun.se.

Betygsskala

På kursen ges något av betygen A, B, C, D, E, Fx och F. A - E är Godkänt, Fx och F är underkänt.

Övrig information

Denna kurs kan inte ingå i samma examen som kurs med kod DTAD20 eller DT012A.