vår
2022
INF-2600 Kunstig intelligens, KI - metoder og bruksområder - 10 stp
Innhold
Emnet gir en grunnleggende innføring i metoder, strategier og bruksområder i Kunstig Intelligens (KI). Fokuset er på KI for
- beslutningsstøtte og kunnskapsbaserte systemer,
- agentsystemer med programvareagenter og intelligente agenter med og læringsmetoder for agenter (f.eks. avgjørelsestrær, maskinlæring, nevrale nettverk, forsterkende læring og dyp læring).
- Det legges stort fokus på søkstrategier og planlegging (planning og scheduling) i tillegg til informasjonsgjenfinning.
Relevans i studieprogram: kunstig intelligens som fag og teknologi inngår som en viktig anvendelse i de øvrige realfag.
Programmeringsoppgavene i øvingsopplegget vil løse relevante problemstillinger i kunstig intelligens.
Hva lærer du
Kunnskaper - studenten har:
- grunnleggende kunnskap om KI-problemer og -løsninger inkludert søkealgoritme og KI-planlegging og optimalisering for agentsystemer.
- kunnskap om kunnskapsrepresentasjonsformer og kunnskapsbaser inkludert begrunnelsesstrategier, beslutningsstøtte og heuristikk.
- grunnleggende kunnskap om multi-agent systemer og dens metoder og strategier inkludert programvareagenter, intelligente agenter, meta-agenter og mobile agenter.
- kunnskap om agentsystemer som bruker maskinlæring, nevrale nettverk og dyp læring
- kunnskap om bruksområder for intelligente system og multi-agent systemer med intelligente agenter og andre agenter som:
- beslutningsstøttesystemer og kunnskapsbaserte systemer som kan brukes til intelligente agenter i agentsystemer for avgjørende beslutning
- informasjonsgjenfinning
- cyber-fysiske system og robotikk.
Ferdigheter - studenten kan:
- bruke metoder og teknikker for KI bruksområder inkludert algoritme og optimalisering, og utvikle applikasjoner innen intelligente systemer og agentsystemer
- bruke søkealgoritmer, KI-planlegger og planlegging, kunnskapsrepresentasjonsformer og resonnement-strategier, beslutningsstøtte og heuristikk.
- utvikle intelligente systemer, mobile intelligente agenter og multi-agent systemer inkludert programvareagenter, og forskjellig intelligente agenter samt cyber-fysiske system og robotikk.
- utvikle intelligente systemer, mobile intelligente agenter og multi-agent systemer som bruker maskinlæring, nevrale nettverk og dyp læring
- håndtere de vanligste algoritmene innen maskinlæring og nevrale nettverk, dyp læring for intelligente systemer og multi-agent systemer
- formulere og gjennomføre et godt avgrenset og kvalifisert KI-prosjekt med fokus på intelligente systemer og agentsystemer.
Generell kompetanse - studenten kan:
- presentere grunnleggende problem og utfordringer innenfor intelligente systemer og multi-agent systemer
- identifisere kravene til forskjellige KI-systemer og KI applikasjoner innenfor intelligente systemer og multi-agent systemer inkludert beslutningsstøtte og kunnskapsbaserte systemer,
- bruke KI-metoder, -teknikker, og -bruksområder og utvikle intelligente systemer og multi-agent systemer inkludert beslutningsstøtte og kunnskapsbaserte systemer, cyber-fysiske systemer og robotikk
- bruke og utvikle intelligente systemer og multi-agent systemer som bruker algoritmer innenfor maskinlæring, nevrale nettverk og dyp læring.
- inngående presentere og diskutere på hvilken måte KI påvirker utforming og realisering av KI-system med fokus på intelligente systemer og multi-agent systemer
- utvikle en KI-prototype som løser et KI-problem der intelligente systemer og multi-agent systemer med beslutningsstøtte med kunnskaps-baser brukes, og/eller med algoritmer innenfor maskinlæring, nevrale nettverk og dyp læring.
Eksamen
Eksamen omfatter skriftlig eksamen av 4 timers varighet som teller 100%. Arbeidskravet må være bestått for å få tilgang til eksamen.
Karakterskala: Bokstavkarakter A-E, F - stryk.
Arbeidskrav:
- Inntil fem skriftlige innleveringer vurdert til «godkjent» / «ikke godkjent».
- En prosjektoppgave utført i grupper vurdert til «godkjent» / «ikke godkjent».
Kontinuasjonseksamen: Gis tidlig i undervisningsfritt semester for de som ikke fikk bestått karakter ved siste ordinære eksamen. Skriftlig eksamen av 4 timers varighet som teller 100%. Arbeidskravet må være bestått for å få tilgang til kontinuasjonseksamen.
Utsatt eksamen: Gis tidlig i undervisningsfritt semester. Skriftlig eksamen av 4 timers varighet som teller 100%. Arbeidskravet må være bestått for å få tilgang til utsatt eksamen.
For mer informasjon, se forøvrig:
- Utfyllende bestemmelser for eksamener ved Fakultet for naturvitenskap og teknologi
- Forskrift for studier og eksamener ved UiT
- Om emnet
- Studiested: Tromsø |
- Studiepoeng: 10
- Emnekode: INF-2600
- Ansvarlig enhet
- Institutt for informatikk
- Kontaktpersoner
-
-
- Tidligere år og semester for dette emnet