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 praktisk erfaring med å designe og programmere relativt store AI prosjekter.
• Studenter får verdifull 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 max 2 (men muligens flere avhengig av prosjektet)

Spesielle vilkår

Anbefalte forkunnskaper

TDT4172 Introduksjon til Maskinlæring eller TDT4173 Moderne maskinlæring i praksis eller tilsvarende fag innen maskinlæring.

Forkunnskapskrav

Emnet er valgbart for studenter som er tatt opp på studieretningene i Kunstig intelligens (MTDT, MIDT, MSIT), eller Visuell databehandling (MTDT, MIDT) eller spesialiseringen Kunstig intelligens på teknologiretningen Datateknologi, Industriell økonomi og teknologiledelse (MTIØT).

For å kunne ta dette emnet må du ha bestått følgende emner:

• MA0301 Elementær diskret matematikk eller TMA4140 Diskret matematikk eller tilsvarende
• TDT4120 Algoritmer og datastrukturer eller tilsvarende fra et annet universitet
• TDT4136 Introduksjon til kunstig intelligens eller tilsvarende fra et annet universitet
• TDT4171 Metoder i kunstig intelligens eller tilsvarende fra et annet universitet (de som ønsker å ta TDT4171 parallelt med IT3105 kan kontakte emneansvarlig eller en studieveileder)

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