Introduction to Artificial Intelligence
6 EC
Semester 1, periode 1
5082INKI6Y
Eigenaar | Bachelor Kunstmatige Intelligentie |
Coördinator | dr. Arnoud Visser |
Onderdeel van | Bachelor Kunstmatige Intelligentie, jaar 1Minor Kunstmatige Intelligentie, jaar 1 |
In dit vak wordt een overzicht gegeven van het vakgebied van de Kunstmatige Intelligentie. We behandelen daarbij de geschiedenis van het vakgebied, de ontwikkelingen in de laatste decennia, en de recente doorbraken binnen de Kunstmatige Intelligentie. Daarbij gaan we vooral in op de theoretische ontwikkelingen die belangrijk zijn voor het onderzoek en de toepassingen van vandaag. De beschouwing over praktische ontwikkelingen die hiermee in toekomst mogelijk zouden kunnen worden door de studenten zelf gepresenteerd tijdens een afsluitende posterpresentatie.
[1] Russell, S.J. and P. Norvig (2010), H1: Introduction. In: Artificial Intelligence, A Modern Approach (3rd edition). Pearson – Prenctice Hall, Upper Saddle River, New Jersey.
[2] Turing, A. (1950), ‘Computing Machinery and Intelligence’, Mind, 59 (236): 433-460.
[3] Newell, A., H.A. Simon (1976), ‘Computer science as empirical inquiry: symbols and search’, Communications of the ACM, 19(3): 113-126.
[4] Brooks, R.A. (1991), ‘Intelligence without representation’, Artificial Intelligence, 47(1-3): 139-159.
[5] Jordan, M. I., Mitchell, T. M. (2015), 'Machine learning: Trends, perspectives, and prospects', Science 349 (6245), 255-260
[6] Cuellar, A. (2017), ‘Causal reasoning and data analysis: problems with the abusive head trauma diagnosis’, Law, Probability and Risk, 0: 1-17
[7] Pearl J. (2018), ‘Theoretical Impediments to Machine Learning With Seven Sparks from the Causal Revolution’, arXiv:1801.04016v1
[8] Besold, R. et al. (2017) ‘Neural-Symbolic Learning and Reasoning: A Survey and Interpretation’, p. 1-9, arXiv:1711.03902.
[9] Jieshu Wang (2017) ‘Symbolism vs. Connectionism: A Closing Gap in Artificial Intelligence’, blog published online.
[10] Alex Krizhevsky, Ilya Sutskever, Geoffrey E. Hinton (2017), 'ImageNet classification with deep convolutional neural networks', Communications of the ACM, Volume 60 Issue 6, p. 84-90
[11] K. Hofmann, S. Whiteson, A. Schuth, and M. de Rijke. ”Learning to rank for information retrieval from user interactions”. SIGWEB Newsletter, 5(Spring):1–7, April 2014. ISSN 1931-1745.
[12] T. Ruotsalo, G. Jacucci, P. Myllymaki, and S. Kaski. Interactive intent modeling: Information discovery beyond search. Communications of the ACM, 58(1):86–92, 2015.
[13] Repplinger, M. et al. (2018), ‘Vector-space models of words and sentences’, Nieuw Archief voor Wiskunde 5/19, 3: 167 – 174.
[14] Riederer et al. (2018), ‘The Price of Fairness in Location Based Advertising’, FATREC’ 17, https://scholarworks.boisestate.edu/fatrec/2017/1/5/
[15] Breazeal et al. (2016), 72. Social Robotics. In: Sicilian, B. and O. Khatib (eds.), Springer Handbook of Robotics (pp. 1935 – 1960), 2nd edition, Berlin: Springer.
[16] Andrej Zwitter (2014), 'Big Data ethics', Big Data & Society, July–December 2014: 1–6
[17] Claudia Aradau and Tobias Blanke (2015). The (Big) Data-security assemblage: Knowledge and critique. Big Data & Society, July–December 2015: 1–12
Het materiaal op de Canvas site van Practicum Academische Vaardigheden (www.practicumav.nl)
Het vak Inleiding Kunstmatige Intelligentie bestaat uit hoorcolleges (twee keer per week), werkcolleges theorie (twee keer per week) en werkcolleges Practicum Academische Vaardigheden (PAV) ( ́één keer per week). Dit jaar wordt dit hybride ingevuld: gedeeltelijk online / gedeeltelijk on-campus. Waarschijnlijk zal ́één werkcollege theorie en ́één PAV werkcollege on-campus zijn.
Tijdens de hoorcolleges worden onderwerpen plenair besproken door docenten. De docenten zijn professoren en onderzoekers gespecialiseerd op een bepaald gebied van de Kunstmatige Intelligentie. Elke week wordt minimaal ́één nieuw onderwerp behandeld. De professoren gaan meestal meteen vrij diep in op de stof, dus het wordt van studenten verwacht dat zij vooraf aan het hoorcollege de bijbehorende literatuur hebben bestudeerd.
Tijdens de werkcolleges (ook wel practica genoemd) presenteren en bediscussiëren studenten de gelezen wetenschappelijke artikelen. Daarnaast werkt men individueel middels diverse instrumenten aan het verwerken van de lesstof. Tijdens het PAV werken studenten in groepen o.a. aan de eindpresentatie. Zelfstudie is een belangrijk onderdeel van het vak Inleiding Kunstmatige Intelligentie en vereist dan ook een actieve betrokkenheid van studenten.
Activiteit |
Uren |
|
Literatuur bestuderen (min. 2 papers, 30-40 blz.) voor het betreffende hoorcollege |
36 |
|
Hoorcollege |
22 |
|
Korte presentatie over bestudeerde literatuur |
6 |
|
Werkcollege |
22 |
|
Werkcollege opdrachten uitwerken |
22 |
|
Werkcollege PAV |
12 |
|
Eindpresentatie |
4 |
|
Speling |
12 |
|
Totaal |
168 |
(6 EC x 28 uur) |
Het onderwijs in de academische vaardigheden wordt gegeven tijdens het PAV, dat wordt verzorgd door tutoren en de coördinator Academische Vaardigheden. Tijdens de PAV werkcolleges bij het vak Inleiding Kunstmatige Intelligentie staat het volgende leerdoel centraal: Het kunnen creëren en presenteren van een poster voor een wetenschappelijke conferentie. Deze opdracht is onderdeel van Inleiding Kunstmatige Intelligentie en moet door alle studenten die het vak volgen gemaakt worden. Eerstejaars studenten Kunstmatige Intelligentie krijgen tijdens bepaalde PAV bijeenkomsten tevens onderdelen die betrekking hebben op het mentoraat. Informatie over PAV kan verkregen worden bij de tutor en de coördinator Academische Vaardigheden: Anja Ruhland (A.M.Ruhland@uva.nl).
Aanwezigheidseisen opleiding (OER-B):
Aanvullende eisen voor dit vak:
Onderdeel en weging | Details |
Eindcijfer | |
1 (25%) Deeltoets 1 | |
1 (25%) Deeltoets 2 | |
2 (50%) Werkgroep Practica |
De toetsing bestaat uit 2 deelcijfers, namelijk het cijfer P voor de praktische oefening (W1,W2,W3&W4) en het cijfer T voor de deeltentamens (DT1&DT2). De berekening van het eindcijfer (C) is als volgt:
Inzage is eenvoudig direct mogelijk via hetzelfde programma dat ook is gebruikt om het tentamen af te nemen (ans-delft.nl)
Naast hoorcolleges zijn er wekelijks diverse opdrachten om de informatie (met name de literatuur) te verwerken. Opdrachten en bijbehorende instrumenten worden beschikbaar gesteld via Canvas (http://canvas.uva.nl). Voor de opdrachten is er een Rubric beschikbaar om het beoordelen van de gemaakte opdrachten zo veel mogelijk te standaardiseren (zie Canvas voor details). Hieronder volgt een beknopte opsomming van de verschillende soorten opdrachten:
Merk op dat alle opdrachten deadlines hebben en dat deze strikt worden gehandhaafd. De deadlines staan in Canvas. Canvas is tevens de plek waar de opdrachten worden ingeleverd.
Dit vak hanteert de algemene 'Fraude- en plagiaatregeling' van de UvA. Hier wordt nauwkeurig op gecontroleerd. Bij verdenking van fraude of plagiaat wordt de examencommissie van de opleiding ingeschakeld. Zie de Fraude- en plagiaatregeling van de UvA: http://student.uva.nl
Weeknummer | Onderwerpen | Spreker | Studiestof |
1a | Oorsprong van KI | Dr. Arnoud Visser | [1] |
1b | Ontstaan van KI | Dr. Arnoud Visser | [2] |
2a | KI als wetenschap | Dr. Arnoud Visser | [3,4] |
2b | Machine Learning | Prof. dr. Max Welling | [5] |
3a | Causal Inference | Prof. Dr. Joris M. Mooij | [6,7] |
3b | Symbolic vs Sub-symbolic AI | Prof. dr. Robert van Rooij | [8,9] |
4 | Deeltentamen (DT1) | ||
5a | Computer Vision by Learning | Prof. dr. Cees M.G. Snoek | [10] |
5b | Information Retrieval | Prof. dr. Maarten de Rijke | [11,12] |
6a | Natural Language Processing | Dr. Raquel Fernández | [13] |
6b | Data-Driven Decision Making | Prof. dr. Hinda Haned | [14] |
7a | Social Robotics | Prof. dr. Koen Hindriks | [15] |
7b | Big Data and implications on society | Prof. dr. Tobias Blanke | [16,17] |
8 | Deeltentamen (DT2) |
Het rooster van dit vak is in te zien op DataNose.
De grote verandering van dit jaar naar aanleiding van de vakevaluaties is dat we de grote verscheidenheid aan werkcolleg eopdrachten hebben beperkt tot vijf vormen.
Tutoraat & Academische vaardigheden