Hoppa till huvudinnehållet
Till KTH:s startsida

ID1214 Artificiell intelligens och tillämpningar 7,5 hp

Administrera Om kursen

Kursen ger en överblick av artificiell intelligens och metoder.

Fokus ligger på artificiell intelligens och AI-problem och metoder vilket inkluderar olika områden, såsom kunskapsbaserade system, agentsystem, språkhantering, inlärning och strategier.

Information per kursomgång

Välj termin och kursomgång för att se aktuell information och mer om kursen, såsom kursplan, studieperiod och anmälningsinformation.

Termin

Information för HT 2025 Start 2025-10-27 programstuderande

Studielokalisering

KTH Campus

Varaktighet
2025-10-27 - 2026-01-12
Perioder
P2 (7,5 hp)
Studietakt

50%

Anmälningskod

50275

Undervisningsform

Normal Dagtid

Undervisningsspråk

Engelska

Kurs-PM
Kurs-PM är inte publicerat
Antal platser

Ingen platsbegränsning

Målgrupp

Sökbar för alla program under förutsättning att kursen kan ingå i programmet.

Planerade schemamoduler
[object Object]
Schema
Schema är inte publicerat

Kontakt

Lärare
Ingen information tillagd

Kursplan som PDF

Notera: all information från kursplanen visas i tillgängligt format på denna sida.

Kursplan ID1214 (HT 2024–)
Rubriker med innehåll från kursplan ID1214 (HT 2024–) är markerade med en asterisk ( )

Innehåll och lärandemål

Kursinnehåll

Följande områden behandlas inom ramen för kursen:

  • Fundamentala AI-problem och lösningar inklusive sökalgoritmer och planering, kunskapsrepresentationsformer och kunskapsbaser inklusive resonemangsstrategier, beslutsstöd och heuristik.
  • Intelligenta agenter och multiagentsystem.
  • Automatisk analys och generering av naturligt språk.
  • Maskininlärning och neurala nätverk.

Fokus ligger på artificiell intelligens för kunskapsbaserade system, agentsystem och strategier.

Lärandemål

Efter avslutad kurs ska studenten kunna:

  • redogöra för artificiell intelligens och dess tillämpningsområden
  • känna till och redogöra för AI-metoder och tekniker
  • formulera och genomföra en väl avgränsad och kvalificerad uppgift som tillämpar artificiell intelligens-teknik.

Kurslitteratur och förberedelser

Särskild behörighet

  • Kunskaper i envariabelanalys, 5 hp, motsvarande slutförd kurs IX1303/SF1685/HF1006
  • Kunskaper i linjär algebra, 5 hp, motsvarande slutförd kurs IX1304/SF1684/HF1006
  • Kunskaper i diskret matematik, 7,5 hp, motsvarande slutförd kurs IX1500/SF1610/CM1000
  • Kunskaper i sannolikhetsteori och statistik, 6 hp, motsvarande slutförd kurs IX1501/SF1900/HF1012
  • Kunskaper och färdigheter i programmering, 6 hp, motsvarande slutförd kurs ID1018/HI1024
  • Kunskaper i algoritmer och datastrukturer, 6 hp, motsvarande slutförd kurs ID1021/HI1029
  • Ytterligare färdigheter i självständig programvaruutveckling, 12 hp, från slutförda kurser i datalogi, datateknik eller numeriska metoder med laborativa moment som inte utförs i större grupp än två personer. Dessa kurser är utöver ovan nämnda kurser.

Aktivt deltagande i kursomgång vars slutexamination ännu inte är Ladokrapporterad jämställs med slutförd kurs. 

Den som är registrerad anses vara aktivt deltagande. 

Med slutexamination avses både ordinarie examination och det första omexaminationstillfället.

Kurslitteratur

Du hittar information om kurslitteratur antingen i kursomgångens kurs-PM eller i kursomgångens kursrum i Canvas.

Examination och slutförande

När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.

Betygsskala

A, B, C, D, E, FX, F

Examination

  • INL1 - Inlämningsuppgift, 4,0 hp, betygsskala: P, F
  • TEN1 - Tentamen, 3,5 hp, betygsskala: A, B, C, D, E, FX, F

Examinator beslutar, baserat på rekommendation från KTH:s handläggare av stöd till studenter med funktionsnedsättning, om eventuell anpassad examination för studenter med dokumenterad, varaktig funktionsnedsättning.

Examinator får medge annan examinationsform vid omexamination av enstaka studenter.

Skriftlig tentamen. Inlämningsuppgift som redovisas i grupp.

Examinator

Profile picture Anne Håkansson

Etiskt förhållningssätt

  • Vid grupparbete har alla i gruppen ansvar för gruppens arbete.
  • Vid examination ska varje student ärligt redovisa hjälp som erhållits och källor som använts.
  • Vid muntlig examination ska varje student kunna redogöra för hela uppgiften och hela lösningen.

Ytterligare information

Kursrum i Canvas

Registrerade studenter hittar information för genomförande av kursen i kursrummet i Canvas. En länk till kursrummet finns under fliken Studier i Personliga menyn vid kursstart.

Ges av

EECS/Datavetenskap

Huvudområde

Teknik

Utbildningsnivå

Grundnivå

Övrig information

I denna kurs tillämpas EECS hederskodex, se: http://www.kth.se/eecs/utbildning/hederskodex.