729G78 · 9 hp · Grundnivå (G1N) · Kognitionsvetenskap
Artificiell intelligens
Ges · nästa start HT 2026
73 %
klarade senaste ordinarie tentan
DIT1 · 7 jan 2026 · 41 studenter
62 %
klarade ordinarie tentorna, alla tillfällen de senaste 5 åren
DIT1 · 175 studenter
86 %
Svårare än 86 % av kurserna på grundnivå
Jämfört med 874 kurser på samma nivå, ordinarie tentor de senaste tre läsåren. 86 studenter.
Ingår i 1 program
Tentamen
DIT1 Digital salstentamen
- VG
- G
- U
Ordinarie tentor
62 % godkända · 175 studenter
- 73 %41
- 38 %45
- 55 %44
- 82 %45
Omtentor
47 % godkända · 112 studenter
- 50 %6
- 50 %24
- 41 %17
- 52 %21
- 10 %10
- 52 %23
- 64 %11
- Klarar omtentan: 47 % (112 studenter), jämfört med 62 % (175 studenter) på ordinarie
- Får VG: 16 % (287 studenter)
Visa små tillfällen (2)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 100 %1
- 100 %3
Övriga moment
Deltentor, inlämningar och laborationer. De ingår inte i siffrorna överst.
Tentamen
TEN1 Salstentamen
- VG
- G
- U
Ordinarie tentor
74 % godkända · 42 studenter
- 74 %42
Omtentor
47 % godkända · 30 studenter
- 67 %9
- 50 %8
- 31 %13
- Klarar omtentan: 47 % (30 studenter), jämfört med 74 % (42 studenter) på ordinarie
- Får VG: 10 % (72 studenter)
Visa små tillfällen (2)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 50 %2
- 33 %3
Inlämning eller laboration
LAB1 Laboration
- VG
- G
Ordinarie tillfällen
100 % godkända · 155 studenter
- 100 %21
- 100 %31
- 100 %17
- 100 %49
- 100 %37
Senare tillfällen
100 % godkända · 24 studenter
- 100 %6
- 100 %8
- 100 %10
- Klarar ett senare tillfälle: 100 % (24 studenter), jämfört med 100 % (155 studenter) på ordinarie
- Får VG: 37 % (179 studenter)
Visa små tillfällen (16)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 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
Om kursen
Mål
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
Innehåll
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
- Examinator
- Robin Keskisärkkä
- Huvudområde
- Kognitionsvetenskap