729G83 · 9 credits · Basic level (G2F) · Kognitionsvetenskap
Cognitive Technology and Artificial Intelligence
Active · next start HT 2026
83%
passed the latest ordinary exam
TEN1 · 29 Oct 2025 · 12 students
92%
passed the ordinary exams, all sittings over the last 5 years
TEN1 · 59 students
Part of 1 programme
Exam
TEN1 Written exam
- VG
- G
- U
Ordinary exams
92% passed · 59 students
- 83%12
- 92%13
- 100%17
- 100%7
- 80%10
Re-exams
No sittings with at least 5 students.
- Get VG: 47% (59 students)
Show small sittings (4)
Sittings with fewer than 5 students, often credit transfers or special sittings. They are not part of any figure on this page.
- 100%3
- 100%1
- 100%1
- 100%1
Other modules
Partial exams, hand-ins and labs. They are not part of the figures at the top.
Hand-in or lab
PRO1 Project
- G
Main rounds
100% passed · 64 students
- 100%14
- 100%13
- 100%19
- 100%8
- 100%10
Later rounds
No sittings with at least 5 students.
Hand-in or lab
LAB1 Laboratory work
- G
Main rounds
100% passed · 59 students
- 100%14
- 100%13
- 100%18
- 100%7
- 100%7
Later rounds
No sittings with at least 5 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%2
Hand-in or lab
SEM1 Seminars
- D
Main rounds
100% passed · 56 students
- 100%12
- 100%13
- 100%16
- 100%6
- 100%9
Later rounds
No sittings with at least 5 students.
Show small sittings (4)
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%1
- 100%1
- 100%1
About the course
Aim
Efter avslutad kurs ska den studerande kunna:
- redogöra för de beräkningsprinciper som används i den mänskliga hjärnan
- förklara hur biologiskt baserade artificiella neurala nätverk fungerar
- kontrastera biologiskt baserade nätverk mot AI-orienterade artificiella neurala nätverk
- inhämta information kring konstruktion och träning av en vald typ av nätverk
- tillämpa tekniker för att konstruera, förbättra eller på annat sätt anpassa ett valt nätverk till en problemdomän
- diskutera vilken roll kognitiv modellering och AI spelar inom kognitionsvetenskap
- värdera för- och nackdelar med olika lösningar för biologiskt baserade och AI-orienterade artificiella neurala nätverk inom ett tillämpningsområde
Content
I kursen behandlas:
- modell av biologiska neuronet
- inhibering i dubbelriktade nätverk
- oövervakad och övervakad inlärning i biologiskt baserade nätverk
- hjärnans beräkningsprinciper
- simuleringsverktyg för att skapa och analysera modeller av den biologiska hjärnan
- AI-orienterade nätverk: aktiveringsfunktioner, bakåtpropagering av fel, olika typer av felfunktioner, optimering, under- och överanpassning, regularisering. Nätverksarkitekturer för olika typer av inlärningsproblem. Bibliotek med öppen källkod och API (applikationsprogrammeringsgränssnitt) för att bygga och träna maskininlärningsmodeller
- Examiner
- Rita Kovordanyi
- Main field of study
- Kognitionsvetenskap