Zoom Link: https://chula.zoom.us/j/7474759219 

Course Syllabus: This page

Link to textbook: http://aima.cs.berkeley.edu/ (Slides)

Slides and Links for each week:

1. [15 สิงหาคม 2568] 

   1. Introduction to AI (Slide, AIMA Slides Chapter 1, VDO Clip)

      1. Objectives:

         1. นิยามของ AI (AI คืออะไร) => สามารถนิยามปัญญาประดิษฐ์ในมุมมองของตัวเองได 

         2. เข้าใจข้อจำกัดของ AI => สมรรถนะของเครื่อง+Algorithm 

         3. เริ่มมองเห็น Application ของ AI 

   2. Intelligent Agent (AIMA Slides Chapter 2, VDO Clip) 

      1. รู้จักความหมายของ Intelligent Agent ความหมายของความเป็น Autonomous ซึ่งควรจะได้นำไปฝังในระบบที่คาดว่าอยากทำในอนาคต 

      2. เข้าใจสิ่งแวดล้อมต่าง ๆ ที่สำคัญ คือ ความเป็น Observable และ Deterministic 

      3. "สามารถนำความคิดไปประยุกต์ได้ว่า Agent (คิดง่าย ๆ ว่ามันคือ Software, Bot หรืออื่น ๆ) ใด ๆ อยู่ใน environment แบบใด ในการออกแบบต้องคำนึงถึงอะไรบ้าง"

2. Problem Solving and State Space Search 

   1. พยายามทำความเข้าใจกับ algorithm ที่จะใช้

   2. หลัก ๆ แล้วเราจะใช้ list มาเก็บ node ใหม่ที่ถูกสร้างขึ้นมา 

   3. วิธีการใส่ ขึ้นกับแต่ละ algorithm

3. [22 สิงหาคม 2568] Blind Search (AIMA Slides Chapter 3, VDO Clip))  

   1. นำ General Search มาใช้กับ Blind Search

4. Blind Search (ต่อ) (VDO Clip, Colab)

   1. เข้าใจ Algorithm BFS, DFS, IDS

   2. เห็นปัญหาของแต่ละ Algorithm เห็นข้อดีข้อเสียของแต่ละ Algorithm

   3. เข้าใจ Source code 

   4. Colab 24: https://colab.research.google.com/drive/1-ViQ1rrIWrvE9XY6GA_bE17eeXNz-YTS?usp=sharing 

5. [29 สิงหาคม 2568] IDS+Informed Search (AIMA Slides Chapter 4, VDO Clip, Colab) <= ดูวิดีโออย่างเดียว

   1. เข้าใจเรื่องความแตกต่างของ Blind Search กับ Informed Search 

   2. เข้าใจได้ว่า Greedy และ A* จะให้ผลลัพธ์แตกต่างกันอย่างไร 

   3. สามารถหา Admissible Heuristic ได้ 

   4. เข้าใจ Source code และสามารถเปรียบเทียบจำนวน Node ที่ถูก expand และ generate ของวิธี BFS, DFS, IDS, Uniform Cost Search, Greedy และ A* ได้

6. [5 กันยายน 2568] Constraints Satisfaction Problem and Iterative Improvement Algorithm (Hill Climbing, Simulated Annealing) (VDO Clip) 

7. Ant Colony, (Slide, VDO Clip, Colab for Ant System)

8. Swarm Intelligence (Slide, VDO Clip) 

   1. Colab (Linear Regression)

9. Midterm Review

10. สอบกลางภาค 

11. Game Playing

    1. Connect Four (Colab)

    2. Tic Tac Toe (Colab)

12. Propositional Logic (แบบฝึกหัด, VDO Clip) 

13. First Order Logic (Slide, VDO Clip) 

14. Introduction to Machine Learning (Slide, VDO Clip) 

15. Decision Tree Learning (Slide, VDO Clip) 

16. Project Detail

    1. ทำเป็นกลุ่ม กลุ่มละ 2-3 คน 

    2. เนื้อหาอยู่ในหัวข้อ 4-10 ของรายวิชา 

    3. ทำไม่เกิน 24 ชั่วโมง (รวมกัน 3 คน) 

    4. ทำตาม passion ที่ตัวเองอยากทำ 

    5. ส่งเป็น VDO ความยาวไม่เกิน 10 นาที (ทาง Form นี้) 

17. Overall Evaluation:

    1. Midterm: 30%

    2. Group Project: 30% 

    3. Final: 40%