English | Log ind

02180 Introduktion til kunstig intelligens

2020/2021

P.g.a. Covid-19 afholdes den skriftlige eksamen for sommeren 2021 som hjemmeonline-eksamen med alle hjælpemidler tilladt og åbent net.
Kursusinformation
Introduction to Artificial Intelligence
Engelsk
5
Kandidat
Kurset udbydes som enkeltfag
F3A (tirs 8-12)
Campus Lyngby
Forelæsninger, øvelser og skriftlige afleveringer.
13-uger
F3A
Skriftlig eksamen og bedømmelse af opgave(r)
COVID-19-related change: Online home exam.
2 timer
Skriftlige hjælpemidler er tilladt
7-trins skala , intern bedømmelse
02182
(02101/02102/02312).­(02105).­(01017/01019) , eller ækvivalente kurser. Du skal have erfaring med algoritmer og datastrukturer, programmering, udsagnslogik og rekursive procedurer. Kurset kræver erfaring med implementation af ikke-trivielle algoritmer i et standard programmeringssprog som fx Java eller Python. Kurset kan tages af bachelorstuderende som opfylder de anbefalede forudsætninger.
Thomas Bolander , Lyngby Campus, Bygning 322, Tlf. (+45) 4525 3715 , tobo@dtu.dk
Nina Gierasimczuk , Lyngby Campus, Bygning 322, Tlf. (+45) 4525 3376 , nigi@dtu.dk
01 Institut for Matematik og Computer Science
I studieplanlæggeren
Kontakt underviseren for information om hvorvidt dette kursus giver den studerende mulighed for at lave eller forberede et projekt som kan deltage i DTUs studenterkonference om bæredygtighed, klimateknologi og miljø (GRØN DYST). Se mere på http://www.groendyst.dtu.dk
Overordnede kursusmål
Målet er at give den studerende en forståelse af fundamentale begreber og teknikker indenfor kunstig intelligens (AI), samt træne den studerendes evne til at anvende disse teknikker. Kurset fokuserer primært på symbolske teknikker indenfor kunstig intelligens, især relateret til søgning og logik.
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
  • Forklare, anvende og implementere uinformerede og informerede søgeteknikker til løsning af AI-problemer
  • Forklare, anvende og implementere søgeteknikker til kunstig intelligens i spil
  • Designe, implementere, benchmarke og analysere søgeheuristikker og spil-evalueringsfunktioner
  • Forklare og anvende logiske teknikker til repræsentation af viden og ræssonering
  • Forklare, anvende og implementere inferensteknikker i udsagnslogik og første-ordenslogik
  • Forklare de logiske metoder for opdatering af vidensbaser
  • Forklare styrker og svagheder ved forskellige AI-teknikker indenfor søgning og logik
  • Korrekt identificere den relevante AI-teknik til løsning af et givet problem
  • Forklare anvendelsesområderne for kunstig intelligens, dets potentiale for samfundet samt dets begrænsninger
  • Diskutere filosofiske, etiske, juridiske og samfundsmæssige konsekvenser af AI
Kursusindhold
Hvad er kunstig intelligens? Grundlaget for kunstig intelligens. Uinformeret søgning. Informeret/heuristisk søgning: A*, greedy best-first search. Ikke-determinisme og partiel observerbarhed. Adversarial search: spiltræer, Minimax, Monte-Carlo Tree Search. Vidensbaser i udsagnslogik og prædikatlogik. Inferensteknikker i udsagnslogik og prædikatlogik: modus ponens, forward og backward chaining, resolution, model-checking, SAT-solving. Basale strategier til opdatering af vidensbaser (belief revision). Filosofiske, etiske, juridiske og samfundsmæssige aspekter af kunstig intelligens.
Litteraturhenvisninger
S. Russell og P. Norvig: Artificial Intellligence, A Modern Approach, Prentice Hall.
Sidst opdateret
15. marts, 2021