CS3AI18-Artificial情报
模块供应商: School of Mathematical, Physical and Computational Sciences
学分数： 10 [5 ECTS credits]
水平:6
教学用语： 春天 term module
先决条件:
模块化的必备条件:
相关内容:
模块被排除在外:
目前从: 2021/2
模块召集人: Yevgeniya Kovalchuk博士
电子邮件: y.kovalchuk@reading.ac.uk
模块类型：
概述模块描述：
本模块的主要目标是让学生熟悉人工智能的基本算法和方法。 本模块旨在提供人工智能技术的知识，如解决问题、搜索、推理、学习和感知。 在本模块中，学生将学习最先进的深度学习方法。
该模块旨在从各种技术和应用方面为学生提供人工智能的理论和实践知识。
目的:
该模块的主要目标是让学生掌握人工智能算法和技术的知识，以解决现实世界中的问题（人工智能应用），如功能优化、语音识别、人脸识别、网络搜索、自动驾驶、自动调度、自主系统、智能建筑、游戏、机器人。 该模块还鼓励学生发展一套专业技能，如有效使用商业软件。 最后，在成功完成该模块后，学生将开发出广泛的实践技能，这些技能是建模问题领域所必需的，包括游戏、规划和机器人。 此外，该模块将为学生提供发展Python技能的机会，并通过实际作业将其应用于人工智能。
可评估的学习成果：
在本模块结束时，学生应该能够：
- 描述人工智能的基本算法和技术。
- 将最先进的人工智能算法和方法应用于现实世界的问题，创建一个小规模的人工智能项目。
- 具备搜索和计划的基本知识。
- 了解可满足性问题的基础知识和求解sat的算法。
- 具备强化学习知识。
额外的结果:
通过实际工作提高编程技能，应用AI。
大纲内容:
- 人工智能的本质和目标。 应用领域。
- 状态空间搜索。 使用状态和转换来建模问题。
- A*搜索算法。 在搜索中使用启发式。
- 约束满足问题。
- 游戏的树木。
- 马尔科夫决策过程。
- 强化学习。
- 贝叶斯网络：表示、推理和抽样。
- 决定网络。
- N aive Bayes.
- 感知器。
- 深度学习。
教学方法简述：
该模块包括整个学期的讲座和辅导课。
| 秋天 | 春天 | 夏天 | |
| 讲座 | 14 | ||
| 研讨会 | 6 | ||
| 引导自主学习： | 80 | ||
| 按学期划分的总学时 | 0 | 100 | 0 |
| 模块总学时 | 100 |
| 方法 | 百分比 |
| 笔试 | 50 |
| 论文以外的项目成果 | 50 |
总结性评核-考试：
5月/ 6月一次1.5小时的试卷。
总结性评估-课程作业和课堂测试：
- 一个基于项目的作业（50%）
形成性评价方法：
每周都会有小测验。 学生们将获得测试的答案和反馈。
逾期提交的处罚：
支助中心将对逾期提交的工作实行下列处罚：
- 在原定截止日期（或任何正式同意的延期截止日期）之后提交的作业：截止日期后的每个工作日（或其中的一部分）将从该作业的总分数中扣除10%的分数，最多可达五个工作日；
- 如果作品在原始截止日期（或任何正式同意的截止日期延长）后超过五个工作日提交：将记录零分。
You are strongly advised to ensure that coursework is submitted by the relevant deadline. 您应该注意，建议在未完成状态下提交作业，而不是没有提交任何作业。
通过考试的评估要求：
总体得分为40%。
重新安排:
8月/ 9月一次2小时的考试。 请注意，补考模块的分数将以以下两项中较高者为准：(a)本次补考的分数；(b)本次补考的分数与之前课程作业的分数的平均值，根据第一次尝试（50%考试分数，50%课程作业分数）进行加权。
额外费用（适用时指定）：
1) Required text books: None
2) Specialist equipment or materials: None
3) Specialist clothing, footwear or headgear: None
4) Printing and binding: None
5) Computers and devices with a particular specification: None
6) Travel, accommodation and subsistence: None
最后更新: 2021年7月29日
本模块描述中包含的信息不构成学生合同的任何部分。