Faglig innhold

Path finding

FSM

Scripts

Symbolic AI Techniques

Logikk

Multi agent systems

State based search

Goal directed search

Genetic Algorithms / Programming

Neural networks

Reinforcement learning

Læringsutbytte

Etter fullført emne vil studentene være i stand til å:

Forstå og evaluere forskjellige AI kjerneteknologier og -algoritmer, slik som agent technology, informed og uninformed tree og graph search algorithms, diverse læringsteknikker deriblant artificial neural networks, decision tree learning og evolusjonære algoritmer, logikk og planleggingsteknikker og -algoritmer, kunnskapsrepresentasjon, meningen til konsepter som intelligens, resonnering, og det å dra slutninger.

Identifisere forskjellig bruk og applikasjoner av AI teknikker og algoritmer, fra neurovitenskap, forstå hjerne til spill-utvikling, til webteknologier og sikre systemdesigner.

Implementere flere av algoritmene på de mobile robotene. Studentene vil også forbedre programmeringsferdighetene på egenhånd innen et foretrukket språk og i Java ved å lære å programmere en mobil robot.

Forbedre programmeringsferdigheter gjennom programmering av mobile roboter. Programmering av mobile roboter bidrar til å koble teori lært i klassen med praktisk bruk av den.

Evaluere run-time og minnekompleksiteten til flere AI algoritmer, og øve på å skape bedre algoritmer.

Læringsformer og aktiviteter

Forelesninger

Oppgaveløsning

Utfyllende informasjon:

Dette kurset vil fokusere på den praktiske implementeringen av AI-konsepter. Forelesninger vil introdusere et temaområde og studentene er forventet å implementere og rapportere om nøkkelkonseptene.

Spesielle vilkår

Anbefalte forkunnskaper

IMT2021 Algoritmiske metoder

Forkunnskapskrav

IMT1031 Grunnleggende programmering

Kursmateriell

Artificial Intelligence: A Modern Approach, 3rd Edition by Stuart Russell and Peter Norvig, 2010