MMS131 · Chalmers tekniska högskola
Introduktion till artificiell intelligens
Ny kurs
Inga tentor än
Ladda upp dina tidigare tentor och få hjälp med att strukturera ditt studiematerial
Få dina tentauppgifter kategoriseradeBli guidad genom ditt studiematerialFå hjälp direkt med teori och tipsHåll koll på dina framsteg
HP
7.5
Språk
Engelska
Institution
mekanik och maritima vetenskaper
Lärandemål
- Beskriva, implementera och använda logik och probabilistisk slutledning
- Beskriva, implementera och använda olika metoder för klassificering, maskininferens, klustring, planering och beslutsfattande
- Beskriva, implementera och använda basala intelligenta agenter för människa-maskin-interaktion (konversation)
- Beskriva, implementera och använda neurala nätverk och djupinlärning
- Beskriva, implementera och använda förstärkningsinlärning (reinforcement learning)
- Beskriva, implementera och använda stokastiska optimeringsalgoritmer
- Analysera och kritiska diskutera etiska aspekter av AI och dess tillämpningar
- Diskutera och analysera olika tillämpningar av AI
Kursinnehåll
- Allmän översikt, tolkningsbar AI kontra svartlådemodeller, maskininlärning som ett centralt underområde inom AI, vägledda kontra icke-vägledda tillvägagångssätt etc.
- Introduktion till logik, beslutsfattande och maskininferensmetoder och modeller för klassifikation och klustring
- planering och beslutsfattande (klassiska metoder och probabilistiska metoder, beslutsprocesser med Markovegenskaper, dynamisk programmering)
- Intelligenta agenter samt tillämpningar inom autonoma robotar och fordon.
- Översikt över maskininlärningsmetoder, introduktion till neurala nätverk och stokastiska optimeringsalgoritmer, feedforward-nätverk, djupinlärning och relevanta nätverksarkitekturer, som t.ex. faltningsnätverk och rekurrenta nätverk. Vägledd och icke-vägledd inlärning.
- Tillämpningar inom bildigenkänning och tidsserieanalys.
- Introduktion till förstärkningsinlärning och Q-inlärning, med tillämpningar.
- Implementationer som kombinerar förstärkningsinlärning och djupinlärning
- Evolutionära algoritmer (genetiska algoritmer, genetisk programmering), partikelsvärmoptimering, myralgoritmer, samt diverse tillämpningar av dessa algoritmer.
- Etiska aspekter av autonomt beslutsfattande, tolkningsbarhet, juridiska aspekter av AI
- Etiska överväganden i specifika tillämpningar
Förutsättningar
- Grundläggande behörighet för grundnivå
Litteratur
Litteratur meddelas senare, men kommer att bestå av föreläsningsanteckningar och vetenskapliga artiklar, samt eventuellt en eller två böcker.
Liknande kurser vid andra universitet
Gör som 15 000+ studenter och ta kontroll över ditt tentaplugg.
Kom igång gratis