ITD32005 Intelligente systemer (Vår 2013)

Emnet er tilknyttet følgende studieprogram

Valgfritt emne for:

• Bachelorstudiet i ingeniørfag - data 
• Bachelorstudiet i ingeniørfag - data, Y-veien 
• Bachelorstudiet i informatikk, (kull 2010)
• Bachelorstudiet i informatikk - design og utvikling av IT-systemer

Forkunnskapskrav utover opptakskrav

Studentene bør ha grunnleggende kunnskaper innen databehandling.

Undervisningssemester

Bachelorstudiet i ingeniørfag - data (vår 6. semester)
Bachelorstudiet i ingeniørfag - data, Y-veien  (vår 6.semester)
Bachelorstudiet i informatikk, (kull 2010) (vår 6.semester)
Bachelorstudiet i informatikk - design og utvikling av IT-systemer (vår 4. semester eller 6.semester)

4 timer forelesning per uke og i tillegg kommer regneøvinger, laboppgaver og prosjekt.

I enkelte uker kan det bli gitt 6 timer forelesninger per uke. Det medfører at enkelte uker vil være forelesningsfri.

 

Studentens læringsutbytte etter bestått emne

KUNNSKAP: Etter endt emne skal studenten kunne

• gjøre rede for grunnleggende begreper i kunstig intelligens
• forstå hvordan et system kan gjøres mer intelligent
• forstå forskjellige sider ved usikkerhetsbegrepet
• forstå logisk programmering
• forstå navigering av et mobilt kjøretøy

FERDIGHETER: Etter endt emne skal studenten kunne

• bruke forskjellige søkestrategier
• forstå oppbygning av ekspertsystemer
• forskjellige teknikker å takle usikkerhet i et system
• tekstanalyse ved hjelp av logisk programmering
• forstå nevrale nettverk
• bruke 'Fuzzy Logic Toolbox' i MATLAB

GENERELL KOMPETANSE: Etter endt emne skal studenten kunne

• gjøre bruk av kunnskap i kunstig intelligens
• bruke nevrale nettverk til å trene opp et system ved hjelp av MATLAB
• inkorporere fuzzy logikk i et system
• få et mobilt kjøretøy til å ta seg fram på egenhånd under gitte betingelser

Innhold

• Generell beskrivelse av en intelligent agent
• Søkestrategier
• Logikk
• Kunnskapsrepresentasjon og slutning
• Bayeske nettverk 
• Usikker kunnskap og resonnering
• Maskinlæring
• Logisk programmering
• Naturlig språkprosessering
• Fuzzy logikk
• Nevrale nettverk
• Genetiske algoritmer

Undervisnings- og læringsformer

Forelesninger, laboratorieoppgaver, regneøvelser og prosjekt.

Arbeidskrav - vilkår for å avlegge eksamen

• tre laboratorieoppgaver (som gjøres i grupper)
• fire regneøvelser (som gjøres i grupper)
• et større prosjekt (som gjøres i grupper)
• et miniprosjekt (individuelt)

Arbeidskravene må være godkjent før studenten kan framstille seg til eksamen.

Eksamen

Prosjekt og skriftlig eksamen (3 timer)
- Et større prosjekt (i gruppe) og et miniprosjekt (alene) som samlet teller 50 %.
- En 3 timers skriftlig eksamen som teller 50%. Tillatte hjelpemidler: alle trykte og skrevne papirbaserte hjelpemidler, samt ikkekommuniserende kalkulator.
Det settes en samlet, individuell karakter for emnet. Det benyttes karakterskala A-F.

Ny og utsatt eksamen vil bestå av prosjekt og skriftlig eksamen.
Ved ny og utsatt eksamen avtales innholdet i prosjektdelen med faglærer.

Evaluering av emnet

Dette emnet evalueres på følgende måte:

• Midtsemesterevaluering (frivillig)
• Sluttevaluering (obligatorisk)

Den emneansvarlige lager en emnerapport på bakgrunn av studentenes tilbakemeldinger og sine egne erfaringer med emnet.
Emnerapporten behandles av studiekvalitetsutvalget ved avdeling for informasjonsteknologi.

Litteratur

Negnevitsky Michael: Artificial Intelligence, A Guide to Intelligent Systems, third edition, ISBN 978-1-4082-2574-5, Addison Wesley.

Skriftlig materiale utdelt av faglærer.