civilingenjörsprogrammet i tillämpad artificiell intelligens vid Luleå tekniska universitet och verktyg som stöd i att vara en självständig student vid Luleå tekniska universitet
grunderna för artificiell intelligens och maskininlärning.
Efter avslutad kurs ska studenten kunna:
självständigt och skriftligt reflektera över sitt eget lärande, sammanfatta de viktigaste punkterna och lärdomarna från kursmaterial, samt på relevanta ställen lista och citera (i enlighet med akademiska standarder) minst fem relevanta källor
utvärdera andra studerandes arbete genom att ge skriftlig feedback, baserat på en uppsättning väldefinierade kriterier (t.ex. rubriker) för utvärdering
definiera området artificiell intelligens (särskilt med avseende på styrteori och datavetenskap) och kort beskriva dess huvudsakliga delområden
lista minst tre befintliga verktyg som implementerar AI-metoder och beskriva deras grundläggande egenskaper
med tanke på två befintliga verktyg för implementering av AI-metoder, jämför dem med avseende på deras grundläggande egenskaper.
Givet ett verkligt tillämpat AI-problem som studenten har stött på under kursen, eller som är analogt med de som studenten stött på under kursen: kategorisera problemet med standardkoncept lista minst tre lämpliga AI-metoder för att hantera problemet beskriva med sina egna ord minst två lämpliga AI-metoder för att hantera problemet tillämpa en lämplig AI-metod för att ta lösa problemet utifrån tillgång till det nödvändiga verktyget för att implementera AI-metoder och data som är relevanta för problemet.
Ange och diskutera affärsaspekter, liksom etiska frågor, genus- och hållbarhetsfrågor relaterade till AI.
Kursinnehåll
Kursen innehåller allmänna färdigheter (t.ex. reflektion om inlärning, metoder för feedback, informationsinhämtning och referenser) som syftar till att deltagarna skall bli självständiga studenter, liksom fackkunskap. Denna inkluderar: artificiell intelligens som ämnesområde, dess historia och dess föregångare, en grundläggande introduktion till robotik, resonemang och hämtningssystem, maskininlärning (inklusive datarengöring, förbehandling, dimensioneringsreduktion, regression, klassificering, kluster, modellutvärdering), neurovetenskapskoncept och affärs- och etiska aspekter av AI.
Förutsättningar
Grundläggande behörighet + Engelska 6. Eller: Engelska nivå 2.