Kursets formål er formidle de grundlæggende kompetencer, der kræves til at udtænke, designe og implementere intelligente og distribuerede styringssystemer, der kombinerer datastyrede og videnbaserede metoder. Kursusarbejdet giver deltagerne en applikationsorienteret introduktion til maskinelæring og deklarative metoder til kunstig intelligens. Kursdeltagere lærer at designe, implementere og evaluere automatiseringsløsninger ved at anvende systemudviklingsmetoder i et større projekt. En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:

• Identificere og diskutere situationsbevidstheds-, beslutnings- og kontrolopgaver i et intelligent system.
• Anvende maskinelæringsmetoder til data modellering i intelligente systemer og evaluere deres effektivitet.
• Arbejde med store datasæt, udføre dataudforskning og udtræk for at udlede viden fra data i et realistisk automatiseringsproblem.
• Forklare teknikker til vidensrepræsentation samt relaterede modeleringsprincipper, og vælg egnede vidensrepræsentation til integration i en intelligent systemløsning.
• Beskrive passende anvendelser af logikbaserede og deklarativ programmering anvendt til løsning af beslutningsproblemer i intelligente systemer.
• Forklare og vælge passende metoder samt de tilsvarende datamodeller og videnrepræsentationer som led i et designproblem.
• Analysere et udviklings problem til intelligente systemer, kommunikere design ideen, formulere specifikationer og test krav.
• Designe og implementere en prototype af et intelligent system ved hjælp af data-drevne og deklarative programmeringsteknikker i en distribueret systemkontekst.
• Teste, validere og dokumentere et intelligent system af begrænset kompleksitet.

Introduktion til typiske problemer egnet til anvendelse af intelligente system, opgaveanalyse, systemudviklingsmetoder og arkitekturelementer; anvendelse af intelligente systemer til automatisering, problemer med internet af ting (IoT) og Smart Grid.
Distribuerede systemer: design til samtidighed, kommunikation og debugging.
Videnrepræsentationstyper og ontologier, samt anvendelse i udvalgte deklarative paradigmer (fx regelbaseret logik, søgnin på grafer, ...).
Håndtering af store datasæt; Data visualisering; Anvendt statistiske læringsmetoder. Analyse af model-kvalitet.

Projekt til udvikling af intelligente systemer.

E-learning bruges i form af online afstemning og interaktive quizzer samt en kursus wiki. Course compendium with selected chapters from:

[ICS] K.M. Hangos,R. Lakener and M. Herzson, “Intelligent control systems: an introduction with examples,” Kluwer Academic Publishers, Dordrecht, ISBN 1-4020-0134-7
[AI-C] Coppin, Ben. 2004. Artificial Intelligence Illuminated. Jones and Bartlett Publishers.
[DDBG] G. Coulouris, J. Dollimore, T. Kindberg, G. Blair: “Distributed Systems - Concepts and Design”, 5th ed; Addison-Wesley, ISBN 0-13-214301-1
[AI-RN] Russell, Stuart J. and Norvig, Peter (2010). Artificial Intelligence A Modern Approach. 3rd Edition, Prentice Hall Publishers.
[IDM] Tan, Pang-Ning, Michael Steinbach, and Vipin Kumar. 2014 or 2006. Introduction to Data Mining. Pearson Education.

Ydligere online resourcer bliver formidlet under kurset forløb.
f.eks.
[ISL-R] James, Gareth et al.. 2013. An Introduction to Statistical Learning : with Applications in R. Springer.
http:/​/​link.springer.com.proxy.findit.dtu.dk/​book/​10.1007/​978-1-4614-7138-7/​page/​1
[SEPP] Kossiakoff, A. et al. 2011. “Systems Engineering : Principles and Practice.” Wiley-Interscience. Download: http:/​/​findit.dtu.dk/​en/​catalog/​245423157 Det anbefales at overveje om man opfylder forudsætningerne inden for programmering og at kontakte den kursusansvarlige, hvis man er i tvivl.
E-learning anvendes i form af online voting systems, online quiz (home assignments), interactive quiz, chat room, kursus wiki, discussion board og elektronisk evaluering.

In case of unclear interpretation of the Danish description, the English description is suggested for reference. Please contact the course responsible if in doubt. 01. maj, 2018