Kunstmatige intelligentie

Kunstmatige intelligentie houdt zich bezig met de onderliggende principes van intelligent gedrag in natuurlijke of kunstmatige systemen. Deze cursus behandelt kunstmatige intelligentie vanuit het perspectief van een ‘intelligente computationele agent’. Wie of wat die agent precies is, een computer, een thermostaat of iets heel anders, blijft open, maar de agent handelt in en reageert op een omgeving op een intelligente manier. Je zult kennismaken met een aantal van de belangrijkste principes en technieken voor het ontwikkelen van computationele agents, bijvoorbeeld om zoekproblemen en planningsproblemen op te lossen, of om agents te laten redeneren over beschikbare kennis. Bovendien leer je hoe een agent kan leren uit gegevens door gebruik te maken van moderne machine learning algoritmen.

Leerdoelen
Je maakt kennis met een aantal methoden en technieken uit de kunstmatige intelligentie op het gebied van zoeken, redeneren, leren en plannen. Na bestudering van deze cursus kun je:
- de structuur van een agent system beschrijven, en kun je de consequenties van keuzes in een eenvoudig agent system beredeneren,
- verschillende zoektechnieken (A*, iterative deepening, branch and bound) beschrijven en deze toepassen om een concreet zoekprobleem op te lossen,
- problemen formaliseren door middel van features en constraints en technieken gebruiken om deze geformaliseerde problemen computationeel efficiënt op te lossen,
- een Bayesiaans netwerk handmatig specificeren en daaruit kansen uitrekenen,
- een beschrijving van een aantal (supervised) leertechnieken geven en de verschillen daartussen, en deze ook toepassen op een kleine dataset,
- neurale netwerken toepassen, inclusief het handmatig doorrekenen van de forward en backward procedure voor verschillende activatie functies,
- een planningsprobleem representeren in formele logica en dat oplossen door middel van planningsalgoritmen.