Vurderingsordning

Faglig innhold

Faget gir studenter anledning til å implementere mange av de klassiske kunstig intelligens (AI) algoritmene og så å bruke dem som moduler i større AI systemer rettet mot områder som lyd og bildebehandling, simulert fotball (f. eks. on-line Robocup konkurranser), poker-spilling (f. eks. Texas Hold ’Em) og robot navigering. Følgende AI algoritmer kan bli viktig moduler i disse systemer: A*, means-ends analyse, besluttningstre læring, genetisk algoritmer, neurale nettverk, bayesiansk klassifisering, case-basert resonnering, boosting og bagging. Gjennom det arbeidet får studenter en forståelse for ”AI i bruk” i stedet for ”AI teoretisk sett” eller ”AI på lekeproblemer”, som man ofte får fra AI kursene på intro- og mellomnivå. Faget består av 2-4 prosjekter, avhengig av årets prosjekter og deres omfang. Hvert prosjekt skal støttes av et sett av forelesninger om relevante teoretiske og praktiske grunnlag, mens noen forelesninger blir dedikert til generelle diskusjoner mellom faglærer og studenter om et prosjekt og fremgang til de forskjellige student grupper. Studenter har fritt valg av programmeringsspåk, men Python, Java eller C++ vil ofte bli anbefalt.

Læringsutbytte

Studenter får aktive erfaring i å designe og programmere rimelig store AI prosjekter. Studenter får verdifulle innsikt i hvorfor, hvordan og når man kan bruke AI metoder på ekte problemer som de kan treffe i arbeidslivet.

Læringsformer og aktiviteter

50% standard forelesninger, og 50% interaktive prosjekt diskusjoner mellom studenter og faglærer.Prosjektarbeid er individuelt eller i grupper på 2.

Obligatoriske aktiviteter

• Arbeider 1
• Arbeider 2
• Arbeider 3
• Arbeider 4
• Arbeider 5
• Arbeider 6

Mer om vurdering

Minst 5 av de 6 øvinger må være godkjent for bestått. I noen tilfeller blir to eller flere øvinger satt sammen til et prosjekt. Det betyr at en student kan stå en del av et prosjekt, men stryke en annen del.

Gjentak krever nye øvingsinnleveringer.

Spesielle vilkår

Anbefalte forkunnskaper

Emnet bygger på TDT4120 Algoritmer og datastrukturer, TDT4136 Introduksjon til kunstig intelligens, TDT4171 Metoder i kunstig intelligens, og krever forkunnskap i Diskret matematikk tilsvarende MA0301 Elementær diskret matematikk.

Forkunnskapskrav

Emnet er valgbart for studenter som er tatt opp på studieretning i Kunstig intelligens innen Datateknologi (MTDT, MIDT), Informatikk (MIT/MSIT) og spesialiseringen Kunstig intelligens på teknologiretningen Datateknologi, Industriell økonomi og teknologiledelse.

Kursmateriell

Forelesningsnotater samt prosjektbeskrivelser skal deles ut for alle prosjektene. I noen sammenheng skal forskningsartikkler også bli gjort tilgjenglig. For robotikk prosjekter skal studenter få tilgang til en robot simulator og muligens til ekte roboter (for en begrenset period).Alt er gratis.

Studiepoengreduksjon