02461 Introduktion til intelligente systemer

2024/2025

Kurset er kun for bachelor studerende i Kunstig intelligens og data
Kursusinformation
Introduction to Intelligent Systems
Dansk
10
Bachelor
Projekter og almene fag, Kunstig Intelligens og Data
Retningsspecifikt kursus (BSc), Kunstig Intelligens og data
E5B (ons 13-17) og Januar
Kursus består af 5 ECTS i efteråret og 5 ECTS i januar
Campus Lyngby
Forelæsninger, teoretiske og eksperimentelle øvelser, opgaver og et projekt.
13-uger + 3-uger
E5B, Sidste dag(e) i 3-ugersperioden, Skriftlig eksamen i december og individualiseret grupperapport i januar.
Skriftlig eksamen og bedømmelse af rapport(er)
Skriftlig eksamen (vægt 40%) samt individualiseret grupperapport (vægt 60%)
Skriftlig eksamen: 2 timer
Alle hjælpemidler - uden adgang til internettet
7-trins skala , ekstern censur
Minimum 10
Mikkel N. Schmidt , Tlf. (+45) 4525 5270 , mnsc@dtu.dk
Lars Kai Hansen , Lyngby Campus, Bygning 321, Tlf. (+45) 4525 3889 , lkai@dtu.dk
Morten Mørup , Tlf. (+45) 4525 3900 , mmor@dtu.dk
Ole Winther , Lyngby Campus, Bygning 321, Tlf. (+45) 4525 3895 , olwi@dtu.dk
Tommy Sonne Alstrøm , Lyngby Campus, Bygning 321, Tlf. (+45) 4525 3431 , tsal@dtu.dk
01 Institut for Matematik og Computer Science
I studieplanlæggeren

Husk at kurset kun er for bachelor studerende i Kunstig intelligens og data
Overordnede kursusmål
At give deltagerne en grundlæggende indsigt i
· de definerende egenskaber af intelligente systemer,
· anvendelser af intelligente systemer indenfor billeder, lyd, tekst, og spildata,
· værktøjer til beregning indenfor kunstig intelligens, og
· ingeniørmæssige anvendelser af intelligente systemer.
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
  • Beskrive nøglekomponenterne i intelligente systemer: Sansning og aktiv dataopsamling, machine learning, statistisk evaluering og kommunikation
  • Diskutere betydningen af AI værktøjer i vigtige områder som bio-medicin, forretning og handel, informationssøgning og sociale medier
  • Diskutere sikkerhed og etiske udfordringer ved kunstig intelligens. Fordomme, stereotyper, privacy og samfundseffekter
  • Anvende AI værktøjer på data, herunder billeder, lyd, tekst og spil. Diskutere den opnåede ydelse i individuelle og fælles eksperimenter
  • Anvende teknikker til evaluering af ydeevne og basal debugging af kunstig intelligens
  • Anvende Python programmeringsværktøjer herunder Jupyter notebooks, Numpy, og Pytorch
  • Anvende værktøjer til styring af filer og programmer i terminalen
  • Anvende værktøjer til styring af programmeringsprojekter og versionskontrol
Kursusindhold
Kurset giver en generel introduction til kunstig intelligens og værktøjer. Kurset er baseret på en række praktiske anvendelser inden for billed, lyd, tekst og spil. En første motiverende introduktion til statistik, signaler, machine learning, optimering og beregningsmæssige værktøjer til at implementere intelligente systemer. Diskussion af kausalitet, fairness, etik og samfundsbetydning.
Litteraturhenvisninger
Kursusnoter
Sidst opdateret
24. oktober, 2024