Kursen passar för alla som vill lära sig mer om artificiell intelligens och dess tillämpningar, och den passar som valfria studier för alla studerande vid Helsingfors universitets olika utbildningsprogram. Kursen riktar sig framför allt till sådana studerande som har studerat datavetenskap lite eller inte alls.

För kursen krävs inga formella förhandskunskaper utöver gymnasiematematik (grundläggande aritmetik, bråktal). Aritmetik betyder grundläggande matematik; addition, subtraktion, multiplikation och division.

För kursen krävs inga formella förhandskunskaper utöver gymnasiematematik (grundläggande aritmetik, bråktal). Aritmetik betyder grundläggande matematik; addition, subtraktion, multiplikation och division.

För studerande som vill fortsätta sina studier i artificiell intelligens efter kursen rekommenderas kurser i programmering. Efter dem kan den studerande genomföra kurser i artificiell intelligens som innehåller programmering. Sådana kurser ordnas för tillfället huvudsakligen vid Helsingfors universitets matematisk-naturvetenskapliga fakultet:

• DATA15001 Introduction to AI hör nära samman med kursen Elements of AI och innehåller programmeringsuppgifter.
• DATA11001 Introduction to Data Science (fördjupad kurs) behandlar också tillämpningar av artificiell intelligens och maskininlärning.
• DATA11002 Introduction to Machine Learning (fördjupad kurs) behandlar i synnerhet maskininlärning.

Efter avslutad kurs kan den studerande

• ange de egenskaper som kännetecknar artificiell intelligens (autonomi och adaptivitet)
• skilja på science fiction-litteratur och äkta artificiell intelligens
• beskriva de filosofiska frågeställningarna inom artificiell intelligens som har att göra med Turingtestet och tankeexperimentet det kinesiska rummet
• formulera problem från verkliga livet som sökproblem
• beskriva enkla spel (t.ex. luffarschack) som spelträd
• tillämpa minimax-principen för att reda ut de optimala dragen i ett avgränsat spelträd
• uttrycka sannolikhetsvärden som naturliga frekvenser
• tillämpa Bayes sats i enkla scenarier
• förklara vilseledande prevalens och undvika den
• med hjälp av bayesiansk slutledning förklara varför maskininlärning behövs
• skilja mellan situationer med övervakad och oövervakad maskininlärning
• förklara följande tre principer inom övervakad maskininlärning: närmaste granne-metoden, linjär regression och logistisk regression
• förklara vad neuronnät är och för vilka ändamål de är lämpliga
• förstå också de begränsningar som finns i neuronnätens underliggande modeller
• förstå svårigheterna i att förutspå framtiden, så att hen bättre kan ta ställning till trovärdigheten i påståenden om artificiell intelligens
• känna igen några av de mest betydelsefulla konsekvenserna artificiell intelligens kan ha i samhället, till exempel algoritmisk diskriminering, förfalskat innehåll, integritetsskydd och förändringar i arbetslivet.

• Kursen är tillgänglig hela tiden.
• Kursen kan inledas när som helst, och den kan genomföras i egen takt.
• Den rekommenderade längden för kursen är sex veckor.
• Kursen kan utföras när som helst under studietiden.

1. Vad är artificiell intelligens?

• Motivation
• Hur definieras artificiell intelligens?
• Filosofin bakom artificiell intelligens

2. Problemlösning med hjälp av artificiell intelligens

• Att formulera och lösa problem med hjälp av tillståndsdiagram
• Att beskriva enkla spel som spelträd
• Att välja optimala drag med hjälp av spelträd

4. Praktisk tillämpning av artificiell intelligens

• Att uttrycka osäkerhet med sannolikheter
• Sannolikhet och vadslagningsodds
• Bayes sats

5. Maskininlärning

• Närmaste granne-klassificeraren
• Linjär regression
• Logistisk regression

6. Neuronnät

• Grundläggande begrepp inom neuronnät
• Inlärning och neuronnät
• Perceptronklassificerare

7. Sociala konsekvenser av artificiell intelligens

• Diskussion om artificiell intelligens i offentligheten
• Kritisk bedömning av påståenden om artificiell intelligens
• Artificiell intelligens och etik

Kursmaterialet finns på adressen https://www.elementsofai.se/

Kursmaterialet består av texter och interaktiva element. Uppgifterna utmanar studenten att fördjupa sig i materialet och vid behov söka efter mer information som stöd för sina svar.

För att kursen ska bli godkänd krävs att 90 % av uppgifterna är slutförda. Av de slutförda uppgifterna ska minst 50 % ha rätt svar.

• Flervalsuppgifterna och de numeriska uppgifterna tillåter endast ett inlämnat svar.
• Svar som ges i löpande text blir antingen godkända eller underkända, och i det senare fallet ska den studerande svara på samma fråga igen och vid behov flera gånger, ända tills svaret blir godkänt.

Du kan genomföra kursen som en del av de DEFA-studier (Digital Education For All) som erbjuds av Avdelningen för datavetenskap.

Ta kontakt:

• mooc@cs.helsinki.fi svarar på frågor som gäller e-lärandeområdet
• Öppna universitetet svarar på adressen avoinyo-tietojenkasittelytiede@helsinki.fi endast på frågor angående anmälan till Öppna universitetet
• Läs de vanliga frågorna här https://www.elementsofai.se/faq
• DEFA-help@cs.helsinki.fi svarar på frågor som gäller DEFA-studier
• Om du har frågor som gäller kursens innehåll eller prestationen kan du kontakta kursens ansvarsperson (teemu.roos@helsinki.fi).

Teemu Roos. Kursen är ett samarbete mellan Helsingfors universitet och Reaktor.

Studieavsnittet är en del av ämnesstudierna i datavetenskap.