AI501: Introduktion til kunstig intelligens
Indgangskrav
Faglige forudsætninger
Formål
Formålet med kurset er at give deltagerne viden om grundlæggende begreber og tekniker som danner baggrund for intelligente computer systemer. Fokus er på fire aspekter - problemløsning, ræsonnement, beslutningsproces, maskinlæring - og på de logiske og sandsynlighedsbaserede fundamenter for disse aktiviteter. Kurset bygger på kompetencer fra DM549 og DM574, og introducerer emner, der bygges på i DM581.
I forhold til uddannelsens kompetenceprofil har kurset eksplicit fokus på at:
- give viden om et stort udvalg af centrale algoritmer og datastrukturer udviklet inden for datalogi
- give viden om centrale videnskabsteoretiske emner
- give færdighed til at beskrive, analysere og løse datalogiske problemstillinger ved anvendelsen af metoder og modelleringsformalismer fra fagets kerneområder og dets matematiske støttediscipliner
- give færdighed til at analysere fordele og ulemper ved forskellige algoritmer, specielt med hensyn til ressourceforbrug
- give færdighed til at træffe og begrunde fagligt relaterede beslutninger
- give færdighed til at beskrive, formulere og formidle problemstillinger og resultater til enten fagfæller og ikke-specialister eller samarbejdspartnere og brugere
- give kompetence til at forstå og reflektere over teorier, metoder og praksis inden for det datalogiske fagområde
Målbeskrivelse
Ved kursets afslutning forventes den studerende at have følgende kompetencer:
- gengive de grundlæggende logiske principper for problemløsning, ræsonnering, og beslutningsprocesser;
- beskrive i detaljer de principielle algoritmer for søgning, ræsonnering, og beslutning som indgår i pensum;
- vurdere anvendelighed af basalsøgning, ræsonnering, og beslutningsteknikker i problemer, som i natur minder om problemer fra kurset;
- udtænke og implementere intelligente systemer til at løse konkrete beregningsproblemer.
Indhold
Litteratur
Eksamensbestemmelser
Eksamenselement a)
Tidsmæssig placering
Udprøvninger
Skriftlig eksamen
EKA
Censur
Bedømmelse
Identifikation
Sprog
Varighed
Hjælpemidler
ECTS-point
Vejledende antal undervisningstimer
Undervisningsform
På naturvidenskab er undervisningen tilrettelagt efter trefasemodellen dvs. intro, trænings- og studiefasen.
- Introfase: 28 timer
- Træningsfase: 28 timer, heraf 28 eksaminatoriertimer
Aktiviteter i studiefasen: Løsning af små opgaver, individuelt eller i små grupper.
Ansvarlig underviser
Navn | Institut | |
---|---|---|
Jacopo Mauro | mauro@imada.sdu.dk | Institut for Matematik og Datalogi |
Luís Cruz-Filipe | lcf@imada.sdu.dk | Concurrency |
Skemaoplysninger
Administrationsenhed
Team hos Uddannelsesjura & Registratur
Udbudssteder
Anbefalede studieforløb
Overgangsordninger
Se overgangsordninger for alle kurser på Det Naturvidenskabelige Fakultet.