Faglig innhold

Emnet er en videreføring av TDT4136 Introduksjon til kunstig intelligens. De tre hovedformene for resonnering (regelbasert, modellbasert, og casebasert) behandles, med hovedfokus på modellbasert resonnering. Resonnering med usikker og delvis manglende informasjon, gis spesiell fokus, samt grunnlaget for lærende systemer (maskinlæring). I tillegg til de symbolprosesserende metodene (spesielt Bayesianske nettverk og beslutningsgrafer) gis det også en innføring i metoder basert på nevrale nettverk.

Læringsutbytte

Kunnskaper:
Kandidaten skal ha kunnskap om:
- Generelle prinsipper for kunstig intelligens (AI)
- Effektiv representasjon av usikker kunnskap
- Prinsipper for rasjonell beslutningstakning
- Lærende/adapterende systemer.

Ferdigheter:
- Vurdere forskjellige rammeverk for kunstig intelligens i spesifikke brukssituasjoner
- Lage systemer som realiseres aspekter av intelligent adferd i datamaskinsystemer.

Generell kompetanse:
- Kjenne fagfeltet AIs grunnlag hentet fra matematikk, logikk og kognitive vitenskaper.

Læringsformer og aktiviteter

Forelesninger, selvstudium og øvinger. Mappevurdering gir grunnlag for sluttkarakter i emnet. I mappen inngår skriftlig avsluttende eksamen (80%) og øvingsarbeider (20%). Resultatet for delene angis i %-poeng, mens sensur for hele mappen (sluttkarakteren) angis med bokstavkarakter. Ved utsatt eksamen (kontinuasjonseksamen) kan skriftlig eksamen bli endret til muntlig eksamen.

Anbefalte forkunnskaper

TDT4136 Introduksjon til kunstig intelligens, eller tilsvarende.

Kursmateriell

Stuart Russel, Peter Norvig: Artificial Intelligence. A Modern Approach, Third Edition, Prentice Hall, 2010.
Eventuelt øvrig materiale vil gjøres tilgjengelig via kursets websider.

Studiepoengreduksjon