Maskinintelligens

2022/2023

Anbefalede faglige forudsætninger for at deltage i modulet

Modulet bygger videre på viden opnået i modulerne algoritmer og datastrukturer, sandsynlighedsteori og lineær algebra

Modulets indhold, forløb og pædagogik

Læringsmål

Viden

Den studerende skal opnå viden om følgende teorier og metoder:

  • problemløsning vha. søgning og inferens

  • modelbaseret beslutningstræfning

  • inferens under usikkerhed

  • læring fra erfaring og læring fra data   

Færdigheder

  • anvende korrekt teknisk notation og terminologi i skrift såvel som tale

  • anvende grundlæggende teknikker præsenteret i kurset til løsning af en konkret problemstilling

  • gøre rede for centrale principper og algoritmer præsenteret i kurset

Kompetencer

  • skal med udgangspunkt i en konkret problemstilling kunne vurdere, sammenligne og udvælge teknikker og metoder inden for maskinintelligens

Undervisningsform

Undervisningen tilrettelægges i henhold til de generelle undervisningsformer for uddannelsen § 17

Omfang og forventet arbejdsindsats

Det forventes at den studerende bruger 30 timer per ECTS, hvilket for denne aktivitet betyder 150 timer.

Eksamen

Prøver

Prøvens navnMaskinintelligens
Prøveform
Skriftlig eller mundtlig
ECTS5
Bedømmelsesform7-trins-skala
CensurIntern prøve
VurderingskriterierVurderingskriterierne er angivet i Universitetets eksamensordning

Yderligere informationer

Kontakt: Studienævn for datalogi via cs-sn@cs.aau.dk eller 9940 8854

 

Fakta om modulet

Engelsk titelMachine Intelligence
ModulkodeDSNSWCB513
ModultypeKursus
Varighed1 semester
SemesterEfterår
ECTS5
UndervisningssprogDansk og engelsk
TompladsJa
UndervisningsstedCampus København
Modulansvarlig

Organisation

StudienævnStudienævn for Datalogi
InstitutInstitut for Datalogi
FakultetDet Teknisk Fakultet for IT og Design