DM577: Introduktion til kunstig intelligens

Det Naturvidenskabelige Studienævn

Undervisningssprog: På dansk eller engelsk afhængigt af underviser
EKA: N330062102
Censur: Intern prøve, to eller flere bedømmere
Bedømmelse: 7-trinsskala
Udbudssteder: Odense
Udbudsterminer: Forår
Niveau: Bachelor

STADS ID (UVA): N330062101
ECTS-point: 7.5

Godkendelsesdato: 12-10-2022


Varighed: 1 semester

Version: Arkiv

Indgangskrav

Ingen

Faglige forudsætninger

Den studerende forventes at have opnået en grundlæggende forståelse af matematiske beviser og programmering, opnåelige fx ved at have fulgt DM549 Diskrete metoder til datalogi eller MM537 Introduktion til matematiske metoder, og DM536/DM574 Introduktion til Programmering eller DM562: Scientific Programming.

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

  • Oversigt af kunstig intelligens
  • Søgetekniker
  • Viden, ræsonnering og planlægning

Litteratur

Se itslearning for pensumlister og yderligere litteraturhenvisninger.

Eksamensbestemmelser

Eksamenselement a)

Tidsmæssig placering

Juni

Udprøvninger

Skriftlig eksamen

EKA

N330062102

Censur

Intern prøve, to eller flere bedømmere

Bedømmelse

7-trinsskala

Identifikation

Studiekort - Eksamensnummer

Sprog

Følger, som udgangspunkt, undervisningssprog

Varighed

3 timer

Hjælpemidler

Eksamen er uden hjælpemidler. Dog er det tilladt at anvende ordbøger til oversættelse af sprog (fx dansk/engelsk, dansk/tysk osv.) i ordbogsprogrammet fra http://www.ordbogen.com/ i elektronisk form. Browserudgaven er ikke tilladt. Se komplet liste over hvilke ordbøger som er tilladt i den separate "Vejledning til ordbogen dot com". Alle andre ordbøger end de tilladte skal være slået fra i ordbogsprogrammet. 

Internet er ikke tilladt. 

ECTS-point

7.5

Vejledende antal undervisningstimer

56 timer per semester

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 E-mail Institut
Luís Cruz-Filipe lcf@imada.sdu.dk Concurrency

Skemaoplysninger

Administrationsenhed

Institut for Matematik og Datalogi (datalogi)

Team hos Uddannelsesjura & Registratur

NAT

Udbudssteder

Odense

Anbefalede studieforløb

Profil Uddannelse Semester Udbuds periode

Overgangsordninger

Overgangsordninger beskriver, hvordan et kursus erstatter et andet kursus, når der ændres i et studieforløb.
Hvis der er lavet en overgangsordning for et kursus vil den fremgå af oversigten.
Se overgangsordninger for alle kurser på Det Naturvidenskabelige Fakultet.