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

Course Syllabus: This page

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

Shared Drive (Link)

Slides and Links for each week:

1. [14 Aug 2026] Introduction to AI (Slide, AIMA Slides Chapter 1, VDO Clip)

   1. 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. [21 Aug 2026] Problem Solving and State Space Search 

   1. พยายามทำความเข้าใจกับ algorithm ที่จะใช้

   2. หลัก ๆ แล้วเราจะใช้ list มาเก็บ node ใหม่ที่ถูกสร้างขึ้นมา 

   3. วิธีการใส่ ขึ้นกับแต่ละ algorithm

3. [21 Aug 2026] Blind Search (AIMA Slides Chapter 3, VDO Clip))  

   1. นำ General Search มาใช้กับ Blind Search

4. [21 Aug 2026] 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. 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. 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. Game Playing

   1. Connect Four (Colab)

   2. Tic Tac Toe (Colab)

10. Midterm Review

11. สอบกลางภาค 

    1. 9 October 2026, 09:00-11:00
       ห้อง 18-15 และ 18-16 ชั้น 18 ตึก 4

    2. Close book 

    3. อย่าลืมนำเครื่องคิดเลขมา

12. Propositional Logic (แบบฝึกหัด, VDO Clip) 

13. First Order Logic (Slide, VDO Clip) 

    1. Colab z3-solver (Link)

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 4-11 ของรายวิชา 

    3. ทำไม่เกิน 24 ชั่วโมง (รวมกัน 3 คน) 

    4. ทำตาม passion ที่ตัวเองอยากทำ 

    5. ส่งเป็น VDO ความยาวไม่เกิน 10 นาที (ทาง MCV) 

17. Overall Evaluation:

    1. Midterm: 30%

    2. Group Project: 30% 

    3. Final: 40% 

    4. Criteria

       1. A: [85, 100]
          B+:[75, 85)
          B:[70,75)