729G78 · 9 credits · Basic level (G1N) · Kognitionsvetenskap
Artificial Intelligence
Active · next start HT 2026
73%
passed the latest ordinary exam
DIT1 · 7 Jan 2026 · 41 students
62%
passed the ordinary exams, all sittings over the last 5 years
DIT1 · 175 students
86%
Harder than 86% of courses at basic level
Compared with 874 courses at the same level, ordinary exams over the last three academic years. 86 students.
Part of 1 programme
Exam
DIT1 Digital Written Exam
- VG
- G
- U
Ordinary exams
62% passed · 175 students
- 73%41
- 38%45
- 55%44
- 82%45
Re-exams
47% passed · 112 students
- 50%6
- 50%24
- 41%17
- 52%21
- 10%10
- 52%23
- 64%11
- Pass the re-exam: 47% (112 students), compared with 62% (175 students) on the ordinary exam
- Get VG: 16% (287 students)
Show small sittings (2)
Sittings with fewer than 5 students, often credit transfers or special sittings. They are not part of any figure on this page.
- 100%1
- 100%3
Other modules
Partial exams, hand-ins and labs. They are not part of the figures at the top.
Exam
TEN1 Written exam
- VG
- G
- U
Ordinary exams
74% passed · 42 students
- 74%42
Re-exams
47% passed · 30 students
- 67%9
- 50%8
- 31%13
- Pass the re-exam: 47% (30 students), compared with 74% (42 students) on the ordinary exam
- Get VG: 10% (72 students)
Show small sittings (2)
Sittings with fewer than 5 students, often credit transfers or special sittings. They are not part of any figure on this page.
- 50%2
- 33%3
Hand-in or lab
LAB1 Laboratory work
- VG
- G
Main rounds
100% passed · 155 students
- 100%21
- 100%31
- 100%17
- 100%49
- 100%37
Later rounds
100% passed · 24 students
- 100%6
- 100%8
- 100%10
- Pass a later round: 100% (24 students), compared with 100% (155 students) on the ordinary exam
- Get VG: 37% (179 students)
Show small sittings (16)
Sittings with fewer than 5 students, often credit transfers or special sittings. They are not part of any figure on this page.
- 100%2
- 100%2
- 100%2
- 100%3
- 100%2
- 100%2
- 100%2
- 100%2
- 100%2
- 100%2
- 100%2
- 100%2
- 100%4
- 100%1
- 100%4
- 100%2
About the course
Aim
Efter avslutad kurs ska den studerande kunna:
- förklara de centrala definitionerna på artificiell intelligens (AI) och de mål som är förknippade med dessa
- förklara olika ansatser och redogöra för centrala teorier inom artificiell intelligens
- implementera enkla AI-system såsom kunskapsrepresentationssystem och söksystem
- förklara och använda begrepp och modeller inom probabilistisk logik och statistiskt baserad AI
- redogöra för och använda olika tekniker för maskininlärning
- praktiskt tillämpa existerande maskininlärningssystem på realistiska problem
Content
I kursen tas följande områden upp:
- problemformulering och sökning i tillståndsrymder
- kunskapsrepresentation, speciellt predikatlogik
- planering av handlingssekvenser
- probabilistisk logik
- bayesianska nätverk
- artificiella neurala nät
- maskininlärning
- Examiner
- Robin Keskisärkkä
- Main field of study
- Kognitionsvetenskap