Kursplan för läsåret 2007/2008
TILLÄMPAD ARTIFICIELL INTELLIGENSEDA132
Applied Artificial Intelligence

Antal högskolepoäng: 7,5. Betygskala: TH. Nivå: G2 (Grundnivå, fördjupad). Undervisningsspråk: Kursen ges på svenska. Överlappar följande kurs/kurser: EDA131 och EDA131. Valfri för: D3, E3, F3, Pi4. Kursansvarig: Univ.lektor Eric Astor, Eric.Astor@cs.lth.se, Inst f datavetenskap. Förkunskapskrav: EDA027 Algoritmer och datastrukturer. Prestationsbedömning: Tentamen är skriftlig. Slutbetyg på kursen grundar sig på resultatet av den skriftliga tentamen och resultatet på inlämningsuppgifterna. Poängsatta delmoment: 2. Övrigt: Detaljerade föreskrifter för fullgörande av inlämningsuppgifterna kommer att finnas i kursprogrammet. Kursen ges i samarbete med Datavetenskap, Nat. fak. Hemsida: http://www.cs.lth.se/EDA132.

Syfte
Att ge en introduktion till olika delområden inom artificiell intelligens och att orientera om grundläggande metoder inom dessa områden.

Mål

Kunskap och förståelse
För godkänd kurs skall studenten

Färdighet och förmåga
För godkänd kurs skall studenten

Innehåll
Heuristisk sökning. Spelprogrammering. Kunskapsbaserade system. Neutrala nät. Genetiska algoritmer. Inlärning baserad på klassificering. Intelligenta agenter.

Litteratur
Russell, S & Norvig, P: Artificial Intelligence – A Modern Approach, 2nd Ed. Prentice Hall 2003. ISBN: 0-13-080302-2

Poängsatta delmoment

Kod: 0104. Benämning: Tentamen.
Antal Högskolepoäng: 3. Betygskala: TH. Prestationsbedömning: Skriftlig tentamen. Slutbetyg på hela kursen baseras dels på tentamen, dels på de betygsatta obligatoriska inlämningsuppgifterna. Delmomentet omfattar: Skriftlig tentamen på de moment som ingår i kursen.

Kod: 0204. Benämning: Inlämningsuppgifter.
Antal Högskolepoäng: 4,5. Betygskala: UG. Prestationsbedömning: Inlämningsuppgifterna betygsätts. För godkänt på kursen krävs att de obligatoriska inlämningsuppgifterna godkänts. Detaljerade regler för inlämningsuppgifterna kommer att finnas i kursprogrammet och på kursens hemsida. Delmomentet omfattar: Inlämningsuppgifter där AI-metoder som tagits upp på föreläsningarna implementeras för att ge praktisk erfarenhet av svårigheter, omfång, resultattolkning etc.