Efter avslutad kurs ska studenten ha förmågan att:

• Beskriva de vanligaste AI-metoderna, framförallt rörande resonemang, maskininlärning och robotik.
  
• Lista befintliga verktyg som implementerar AI-metoder.
• Kategorisera ett givet problem genom att använda ett standardkoncept för att definiera prolemsställning.
• Välja lämpliga AI-metoder utifrån ett givet problem.
  
• Diskutera etiska- och hållbarhetsfrågor relaterade till AI.
  

Ämnen som behandlas på kursen är på grundläggande nivå: introduktion till AI, introduktion till neurovetenskapliga koncept, fuzzy logik, regression (linjär, logistisk), klassificering (K-NN), supportvektormaskiner (SVM), klustering (K-means), beslutsträd, Bayesiansk inlärning, neurala nätverk, djupa neurala nätverk (CNN, RNN och LSTM), databehandling, modell utvärdering, val av attribut, AI-etik och styrning.

Föreläsningar kommer att ges online och kommer att vara tillgängliga i form av inspelningar efter varje föreläsning. Kursuppgifter i form av flervalsfrågor eller kodkomplettering kommer att ges efter varje kursdel (varje del består av en samling föreläsningar) är avklarad. Före och efter att uppgifterna har lösts kommer det vara föreläsningar för att presentera och diskutera olika lösningar. I slutet av kursen anordnas en paneldiskussion där inbjudna talare från AI-fältet, tillsammans med deltagarna, diskuterar de aktuella framstegen och trenderna inom AI, dess tillämpningar och AI:s framtid.

Deltagarna förväntas:

• ha internetanslutning (minst 0,5 Mbps), mikrofon, webbkamera
• använda sina persondatorer under kursen. Deltagarna måste garantera att de har alla administrationsrättigheter på sina maskiner för att installera och använda nödvändiga verktyg under kursen.

Webbaserade kursuppgifter för att bedöma studentens förmågor i att förstå AI-algoritmer och hur dessa kan tillämpas för att lösa problem i verkliga livet. Uppgifterna kommer att ges under hela kursen för att utvärdera studentens förståelse och feedback kommer att ges kontinuerligt.