Faglig innhold

Emnet er en videreføring av TDT4136 Introduksjon til kunstig intelligens og TDT4172 Introduksjon til Maskinlæring. 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. I denne delen av kurset er de symbolprosesserende metodene Bayesianske nettverk og beslutningsgrafer beskrevet. Deretter vil vi diskutere moderne metoder innen maskinlæring.

Læringsutbytte

Kunnskaper:

• 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.

Obligatoriske aktiviteter

• Obligatoriske øvinger

Anbefalte forkunnskaper

• TDT4136 Introduksjon til kunstig intelligens, eller tilsvarende.
• TMA4240 Statistikk eller lignende
• TDT4172 Introduksjon til maskinlæring eller lignende
• Programmeringserfaring, for eksempel gjennom TDT4109 - Informasjonsteknologi, grunnkurs

Kursmateriell

• Stuart Russel, Peter Norvig: Artificial Intelligence. A Modern Approach, Fourth Edition, Pearson, 2020.
• Ian Goodfellow and Yoshua Bengio and Aaron Courville: Deep Learning, MIT Press, 2016.

Eventuelt øvrig materiale vil gjøres tilgjengelig via kursets websider.

Studiepoengreduksjon