• Kandidat- eller ingenjörsexamen inom datavetenskap (minst 180hp), eller examen i näraliggande område, på minst 180 hp.
• Engelska 6 från svenskt gymnasium eller motsvarande
• Minst 15 hp inom programmering
• Minst 7,5 hp i matematik

Kursen ingår i programmet Tillämpad datavetenskap, masterprogram, och kan ingå i Masterexamen i datavetenskap (120 hp).

Kursen innehåller följande moment:

• Rekommendationssystem: användar- och innehållsbaserade rekommendationer, rekommendationsalgoritmer (till exempel närhetsbaserade, kollaborativ filtrering och matrisfaktorisering), kontextmedvetenhet, kallstart av rekommendationer, framkallad respektive implicit rankning, utvärdering och metriker.
• Informationssökning, kunskapsinhämtning, kunskapsrepresentation och resonemang, den semantiska webben, konstruktion och användning av kunskapsgraf, extraktion av data från källor via internet, samt likriktning av källor
• Probabilistiska modeller och beslutsteori, beslutsfattande med osäkerhet, optimering, dynamisk programmering, metoder för adverserial och heuristisk sökning
• Praktiska metoder för datautvinning och maskininlärning för såväl övervakad som oövervakad inlärning. Algoritmer för klassificering, prediktion och klustring.

**Kunskap och förståelse
**För godkänd kurs ska studenten kunna:

• Förklara de grundläggande begrepp och metoder som kommer till användning när AI appliceras på data science

**Färdighet och förmåga
**För godkänd kurs ska studenten kunna:

• Använda kunskap om AI och de grundläggande begreppen inom området tillsammans med tillämpliga principer och riktlinjer för att sätta samman lösningar för uppgifter inom AI.
• Implementera AI-baserade lösningsmetoder, individuellt såväl som i grupp.
• Kommunicera tydligt och effektivt med hjälp av områdets tekniska terminologi

**Värderingsförmåga och förhållningssätt
**För godkänd kurs ska studenten kunna:

• Värdera olika metoder för att extrahera och behandla information ur stora datamängder, utifrån underliggande teori såväl som praktisk effekt
• Utvärdera och jämföra lämpligheten hos olika AI-metoder för ett givet problem

Föreläsningar, datorlaborationer, seminarier

Studenternas prestationer bedöms dels genom skriftlig tentamen (7.5 hp, bedöms med A–E) och dels genom inlämningsuppgifter (7,5 hp, bedöms med U/G)

För godkänd (A-E) ska studenten vara godkänd på skriftlig tentamen (7.5 hp) och inlämningsuppgifter (7.5 hp).
Slutbetyget grundas på tentamen.

• Han, J., Kamber, M., & Pei, J. (2011). Data mining: Concepts and techniques (3rd ed.). Waltham: Morgan Kaufmann.
• Russell, Stuart Jonathan & Norvig, Peter (2010). Artificial intelligence: a modern approach. (3rd ed.) Boston: Pearson Education.
• Segaran, Toby. 2007. Programming Collective Intelligence (First ed.). O'Reilly.

Högskolan ger studenter som deltar i eller har avslutat en kurs en möjlighet att framföra sina erfarenheter av och synpunkter på kursen genom en kursvärdering som anordnas av högskolan. Högskolan sammanställer kursvärderingarna samt informerar om resultaten och eventuella beslut om åtgärder som föranleds av kursvärderingarna. Resultaten ska hållas tillgängliga för studenterna. (HF 1:14).

Om en kurs inte längre ges eller har genomgått större förändringar ska studenterna, under ett år efter det att förändringen skett, erbjudas två tillfällen för omprov baserade på den kursplan som gällde vid registreringen.

Om en student har beslut om riktat pedagogiskt stöd, har examinator rätt att ge ett anpassat prov eller låta studenten genomföra prov på ett alternativt sätt.