EPN-V2

ACIT4610 Evolutionary artificial intelligence and robotics Course description

Course name in Norwegian
Evolutionary artificial intelligence and robotics
Study programme
Master's Programme in Applied Computer and Information Technology
Weight
10.0 ECTS
Year of study
2023/2024
Curriculum
FALL 2023
Schedule
Course history

Introduction

Undervisningen i emnet går normalt over ett semester. Det gis organisert undervisning i form av forelesninger, seminarer og veiledning. Studentene organiseres i mindre grupper med tanke på forberedelse til diskusjon og respons på skriftlige arbeider. Det er forventet at studentene deltar aktivt i alle deler av undervisningen. Veiledning knyttes i vesentlig grad til utforming av essay.

Required preliminary courses

  • Muntlig presentasjon av utkast til individuelt essay.
  • 80 prosent tilstedeværelse på kurset. Det gis organisert undervisning i form av forelesninger, seminarer og veiledning. Undervisningen er profesjonsrettet. Veiledning knyttes i vesentlig grad til utforming av essay. Studentene organiseres i mindre grupper med tanke på forberedelse til diskusjon og respons på skriftlige arbeider. Arbeidsformen forutsetter studentaktivitet og samhandling. Den gir en kompetanse som ikke kan tilegnes kun ved lesing av pensum, men må opparbeides ved tilstedeværelse, i reell dialog mellom studenter og forelesere. Kun i spesielle tilfeller kan fravær utover 20 prosent kunne godtas etter søknad. Ved ikke godkjent fravær vil studenten miste retten til å få essayet vurdert.

Learning outcomes

On successful completion of the course, students should have the following learning outcomes defined in terms of knowledge, skills, and general competence.

Knowledge

The student:

  • has a deep understanding of complex systems modelling and analysis
  • has advanced knowledge in sub-symbolic and bio-inspired AI methods
  • has a clear understanding of key concepts in AI such as emergence, adaptation, evolution.

Skills

The student:

  • can model and analyse complex systems using cellular automata, networks and agent- based models
  • can program complex systems using bio-inspired AI methods
  • can design and implement evolutionary and swarm robotic systems

General Competence

The student:

  • has theoretical and practical understanding of complex and biologically-inspired AI methods and evolutionary robotics methods
  • can understand and discuss relevance, strength and limitations of complex and biologically inspired systems
  • is able to work in relevant research projects.

Teaching and learning methods

x

Course requirements

Essay vurderes og godkjennes av to interne sensorer (emneansvarlig og en vitenskapelig ansatt tilknyttet ph.d.-studiet). Dersom essayet ikke kan godkjennes, kan studenten levere inn et bearbeidet essay én gang innen en nærmere fastsatt frist.

Assessment

The assessment will be based on a portfolio of the following:

  • A group project delivery (2-4 students), consisting of a report (7500-3000 words) and code
  • An individual oral examination (20 minutes)

The weight of the two parts is 50% each.

The project report should be between 7500-3000 words. Both the code/program and the report will be evaluated. The comprehensiveness of the code/program is evaluated with the assumption that each student in the group has committed about 60 hours towards developing the solution. As a general guideline, the code/program carries a stronger weight than the report.

The portfolio will be assessed as a whole and the exam cannot be appealed.

New/postponed exam

In case of failed exam or legal absence, the student may apply for a new or postponed exam. New or postponed exams are offered within a reasonable time span following the regular exam. The student is responsible for registering for a new/postponed exam within the time limits set by OsloMet. The Regulations for new or postponed examinations are available in Regulations relating to studies and examinations at OsloMet.

Permitted exam materials and equipment

Emnet består av utdanningsvitenskapelige kunnskapsteorier med vekt på forskning relevant for lærerutdanning nasjonalt og internasjonalt, herunder

  • sentrale temaer som omsorg, danning, læring, lek, arbeid, sosialisering, kultur, yrker, profesjoner, organisasjoner og samfunn belyst forskningsmessig
  • relevante teorier om utdanning og utdanningsdiskurser, arbeid, undervisning, kvalitet, kommunikasjon, kontekst og kultur på forskningsfeltet
  • aktuelle tilnærminger som knytter sammen kunnskaps- og vitenskapsteorier

Grading scale

Grade scale A-F.

Examiners

Two internal examiners. External examiner is used periodically.

Course contact person

Kazi Shah Nawaz Ripon