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 udvælge, anvende og vurdere 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 navn	Maskinintelligens
Prøveform	Skriftlig eller mundtlig
ECTS	5
Tilladte hjælpemidler	Eventuelle tilladte hjælpemidler, vil fremgå af kursussiden i MOODLE
Bedømmelsesform	7-trins-skala
Censur	Intern prøve
Vurderingskriterier	Vurderingskriterierne er angivet i Universitetets eksamensordning

Yderligere informationer

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