TDDC17 · 6 hp · Grundnivå (G2F) · Datateknik, Datavetenskap
Artificiell intelligens
Ges · nästa start HT 2026
91 %
klarade senaste ordinarie tentan
DIT1 · 30 okt 2025 · 191 studenter
85 %
klarade ordinarie tentorna, alla tillfällen de senaste 5 åren
DIT1 · 723 studenter
22 %
Svårare än 22 % av kurserna på grundnivå
Jämfört med 874 kurser på samma nivå, ordinarie tentor de senaste tre läsåren. 350 studenter.
Ingår i 10 program
- Civilingenjörsprogram i datateknik
- Civilingenjörsprogram i informationsteknologi
- Civilingenjörsprogram i mjukvaruteknik
- Masterprogram i datavetenskap
- Civilingenjörsprogram i industriell ekonomi
- Civilingenjörsprogram i medicinsk teknik
- Civilingenjörsprogram i teknisk fysik och elektroteknik
- Högskoleingenjörsprogram i datateknik
- Kandidatprogram i matematik
- Masterprogram i cybersäkerhet
Tentamen
DIT1 Digital salstentamen
- 5
- 4
- 3
- U
Ordinarie tentor
85 % godkända · 723 studenter
- 91 %191
- 92 %159
- 86 %194
- 73 %179
Omtentor
81 % godkända · 107 studenter
- 100 %6
- 80 %20
- 83 %12
- 86 %7
- 95 %22
- 80 %10
- 67 %30
- Klarar omtentan: 81 % (107 studenter), jämfört med 85 % (723 studenter) på ordinarie
- Får 4 eller 5: 41 % (830 studenter)
Visa små tillfällen (5)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 100 %1
- 100 %1
- 100 %1
- 100 %1
- 0 %1
Övriga moment
Deltentor, inlämningar och laborationer. De ingår inte i siffrorna överst.
Tentamen
TEN1 En skriftlig tentamen
- 5
- 4
- 3
- U
Ordinarie tentor
74 % godkända · 196 studenter
- 74 %196
Omtentor
54 % godkända · 57 studenter
- 100 %5
- 50 %10
- 50 %42
- Klarar omtentan: 54 % (57 studenter), jämfört med 74 % (196 studenter) på ordinarie
- Får 4 eller 5: 32 % (253 studenter)
Visa små tillfällen (4)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 0 %1
- 0 %4
- 33 %3
- 25 %4
Inlämning eller laboration
LAB2 En laborationskurs
- G
Ordinarie tillfällen
100 % godkända · 565 studenter
- 100 %158
- 100 %129
- 100 %145
- 100 %133
Senare tillfällen
100 % godkända · 114 studenter
- 100 %15
- 100 %10
- 100 %6
- 100 %11
- 100 %5
- 100 %6
- 100 %19
- 100 %6
- 100 %6
- 100 %22
- 100 %8
- Klarar ett senare tillfälle: 100 % (114 studenter), jämfört med 100 % (565 studenter) på ordinarie
Visa små tillfällen (35)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 100 %1
- 100 %2
- 100 %1
- 100 %2
- 100 %1
- 100 %2
- 100 %1
- 100 %1
- 100 %1
- 100 %2
- 100 %2
- 100 %1
- 100 %1
- 100 %1
- 100 %2
- 100 %2
- 100 %4
- 100 %1
- 100 %2
- 100 %2
- 100 %2
- 100 %1
- 100 %2
- 100 %4
- 100 %4
- 100 %2
- 100 %2
- 100 %1
- 100 %1
- 100 %2
- 100 %2
- 100 %3
- 100 %2
- 100 %2
- 100 %2
Inlämning eller laboration
LAB1 En laborationskurs
- G
Ordinarie tillfällen
100 % godkända · 162 studenter
- 100 %162
Senare tillfällen
100 % godkända · 6 studenter
- 100 %6
- Klarar ett senare tillfälle: 100 % (6 studenter), jämfört med 100 % (162 studenter) på ordinarie
Visa små tillfällen (8)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 100 %2
- 100 %1
- 100 %2
- 100 %2
- 100 %2
- 100 %1
- 100 %2
- 100 %2
Om kursen
Mål
Kursen ger en bred översikt över området artificiell intelligens och presenterar grundläggande metoder för konstruktion av system som kan lösa problem, föra förnuftiga och rationella resonemang och kommunicera i naturligt språk. Kursens mål är att introducera begrepp och tillämpningar inom artificiell intelligens (AI). Kursen fokuserar på att utveckla intelligenta agenter som själva kan fatta beslut och agera. Detta kräver tekniker för problemlösning, kunskapsrepresentation och slutsatsdragning, lärande, kommunikation, perception och agerande. Efter kursen kommer studenten att kunna:
- förklara och diskutera begrepp inom artificiell intelligens
- tillämpa välkända tekniker inom artificiell intelligens
Innehåll
Översikt över artificiell intelligens (AI) och dess tillämpningar. Logik som medel för representation av kunskap. Resonemang med ofullständig kunskap: ickemonotont och probabilistiskt resonemang. Strukturerade representationer. Sökning som problem-lösningsmetod. Handlingsplanering och robotik. Induktion och inlärning. Orientering om alternativa arkitekturer för AI-system.
- Examinator
- Fredrik Heintz
- Schemalagd tid
- 52 h
- Huvudområde
- Datateknik, Datavetenskap