CSC462 

Artificial Intelligence   Fall 2021 

COMSATS University Islamabad 
 

COURSE DESCRIPTION FILE 

CSC462 Artificial Intelligence 

DEPARTMENT OF ELECTRICAL & COMPUTER ENGINEERING 

   

COMSATS University Islamabad Page 1

CSC462 Artificial Intelligence   Fall 2021 

COMSATS University Islamabad 
 

COURSE DESCRIPTION FILE 

CSC462 Artificial Intelligence 

DEPARTMENT OF ELECTRICAL & COMPUTER ENGINEERING 

Prepared By:  Checked By:  Approved By: 

 
‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐  ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐  ‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐‐ 
   

COMSATS University Islamabad Page 2

CSC462 Artificial Intelligence   Fall 2021 

Artificial Intelligence 
Course code: 
CSC 462 (3) 

Prerequisites:  
None 

Co requisites: 
None 

Course Catalog Description: 
This course gives a broad overview of the fundamental theories and techniques of Artificial Intelligence. 
Major topics covered in the lectures include: Overview of AI Problems; Intelligent Behavior: Turing Test, 
Rationale  versus  Non‐rationale  Reasoning;  Problem  Characteristics:  Fully  versus  Partially  Observable, 
Single  versus  Multi  agent;  Intelligent  Agents:  reactive,  deliberative,  goal‐driven,  utility‐driven,  and 
learning  agents;  Uninformed  Search:  Depth  First,  Breadth  First,  Depth  First  with  Iterative  Deepening; 
Informed Search: Hill climbing, A*‐ Search and their Time and Space Complexity, Local Search, Genetic 
Algorithm; Game Playing: Minimax, Evaluation functions, Alpha‐beta pruning; Propositional and Predicate 
Logic; Resolution and Theorem Proving; Forward and Backward Chaining; Machine Learning: Introduction, 
Supervised  learning:  Instance  based  learning,  Decision  tree,  Artificial  neural  networks,  Unsupervised 
Learning: K‐means Clustering, Reinforcement Learning. 

Textbooks: 
1. Artificial Intelligence: A Modern Approach, Russell, S., & Norvig, P., (2013), Prentice Hall. 

Reference Books:  
1. Prolog Programming for Artificial Intelligence, Bratko, I., (2012), Addison‐Wesley. 

Course Learning Objectives: 
This  course  aims  to  familiarize  the  students  with  the  concepts  of  artificial  intelligence.  The 
students will learn the theory and practice of AI as a discipline. The students will be able to describe 
and apply machine learning algorithms to real‐world problems.  
Course Learning Outcomes: 
After successfully completing the course, the students will be able to: 
 
1.  Understand  the  basics  of  the  theory  and  practice  of  AI,  different  types  of  AI  agents  and  AI  search 
algorithms. (C2‐PLO1) 
2. Apply knowledge representation, inference and theorem proving to real world data. (C3‐PLO2) 

COMSATS University Islamabad Page 3

CSC462 Artificial Intelligence   Fall 2021 

3.  Analyze  application  of  AI  based  solutions  (using  knowledge  and  search  based  systems)  for  solving 
current problems. (C4‐PLO2) 
4. Devise machine learning solutions for real world problems. (C5‐PLO3) 

Course Schedule: 
3 credit hours/week 

Topics Covered: 

No  of  teaching 

Unit  Topic 
hours 
Overview:  
Foundations, scope, problems, and approaches of AI. 
1.  3 
Intelligent  agents:  reactive,  deliberative,  goal‐driven,  utility‐driven, 
and learning agents 
Searching: 
Problem Spaces; Uninformed Search: Depth First, Breadth First, Depth 
2.  First with Iterative Deepening  6 
Informed Search: Hill climbing, A*‐ Search and their Time and Space 
Complexity, Local Search 
Game Playing:  
3.  4 
Minimax, Evaluation functions, Alpha‐ beta pruning 
Knowledge Representation and Reasoning: 
4.  Propositional,  Predicate  Logic,  Resolution  and  Theorem  Proving;  8 
Forward and Backward Chaining 
Machine Learning:  
5.  Introduction, Supervised learning: Inductive learning, Instance based  8 
learning, Artificial neural networks 
Total Contact Hours  29 
 

Assessment Plan: 
Evaluation Methods  Theory Weight  Lab Weight(%)[L] 
(%)[T] 
Quizzes   15  ‐ 
Assignments   10  25 
Sessional  exam(I  and 
10 and 15  10 and 15 
II) 
Terminal Exam  50  50 
Total  100  100 

COMSATS University Islamabad Page 4

CSC462 Artificial Intelligence   Fall 2021 

Total =T+L  T=(T/100)*66.7  L=(L/100)*33.3 

Learning Outcomes Assessment Plan (Tentative): 
Course Learning  Possible artifacts 
Unit of the syllabus 
Outcomes 
1  Units 1  Quiz 1, Assignment 1, Sessional exam 1 
2  Units 2‐5  Quiz 2, Assignment 2, Sessional exam 1 & 2 

3  Units 4‐6  Quiz 3, Assignment 3, Sessional exam 2 

4  Units 3‐8  Assignment 4, Project, Final Exam 

Table 1: Assessment Plan for Course Learning Outcomes 

Mapping Course Learning Outcomes (CLOs) to Program Learning Outcomes (PLOs): 
PLO 1  Engineering  Knowledge:  An  ability  to  apply  knowledge  of  mathematics,  science, 
engineering fundamentals and an engineering specialization to the solution of complex 
engineering problems. 
PLO 2  Problem  Analysis:  An  ability  to  identify,  formulate,  research  literature,  and  analyze 
complex engineering problems reaching substantiated conclusions using first principles 
of mathematics, natural sciences and engineering sciences. 
PLO 3  Design/Development  of  Solutions:  An  ability  to  design  solutions  for  complex 
engineering  problems  and  design  systems,  components  or  processes  that  meet 
specified  needs  with  appropriate  consideration  for  public  health  and  safety,  cultural, 
societal, and environmental considerations. 
PLO 4  Investigation: An ability to investigate complex engineering problems in a methodical 
way  including  literature  survey,  design  and  conduct  of  experiments,  analysis  and 
interpretation  of  experimental  data,  and  synthesis  of  information  to  derive  valid 
conclusions. 
PLO 5  Modern  Tool  Usage:  An  ability  to  create,  select  and  apply  appropriate  techniques, 
resources, and modern engineering and IT tools, including prediction and modeling, to 
complex engineering activities, with an understanding of the limitations. 
PLO 6  The  Engineer  and  Society:  An  ability  to  apply  reasoning  informed  by  contextual 
knowledge  to  assess  societal,  health,  safety,  legal  and  cultural  issues  and  the 
consequent responsibilities relevant to professional engineering practice and solution 
to complex engineering problems. 

COMSATS University Islamabad Page 5

CSC462 Artificial Intelligence   Fall 2021 

PLO 7  Environment  and  Sustainability:  An  ability  to  understand  the  impact  of  professional 
engineering  solutions  in  societal  and  environmental  contexts  and  demonstrate 
knowledge of and need for sustainable development. 
PLO 8  Ethics: Apply ethical principles and commit  to professional ethics and responsibilities 
and norms of engineering practice.  
PLO 9  Individual and Team Work: An ability to work effectively, as an individual or in a team, 
on multifaceted and /or multidisciplinary settings. 
PLO 10  Communication: An ability to communicate effectively, orally as well as in writing, on 
complex  engineering  activities  with  the  engineering  community  and  with  society  at 
large,  such  as  being  able  to  comprehend  and  write  effective  reports  and  design 
documentation, make effective presentations, and give and receive clear instructions.   
PLO 11  Project  Management:  An  ability  to  demonstrate  management  skills  and  apply 
engineering  principles  to  one’s  own  work,  as  a  member  and/or  leader  in  a  team,  to 
manage projects in a multidisciplinary environment. 
PLO 12  Lifelong Learning: An ability to recognize importance of, and pursue lifelong learning in 
the broader context of innovation and technological developments.   

 
PLOs 

PLO10 

PLO11 

PL012 
PLO 9 
PLO1 

PLO2 

PLO3 

PLO4 

PLO5 

PLO6 

PLO7 

PLO8 
 
CLOs 
CLO1  C2                       

CLO2    C3                     

CLO3    C4                     

CLO4      C5                   

Table 2: Mapping CLOs to PLOs 

COMSATS University Islamabad Page 6

CSC462 Artificial Intelligence   Fall 2021 

PLO Coverage Explanation: 
PLO 1: Engineering Knowledge: 
The home works and exams require direct examination of theory and practice of AI, different types of AI 
agents and AI search algorithms. 
PLO 2: Problem Analysis: 
The students will analyze, compare and contrast application of various AI algorithms for solving real world 
problems. 
PLO3 – Design Development of Solutions: 
The  students  will  devise  solutions  to  various  real  world  problems  using  a  variety  of  machine  learning 
algorithms covered in the course. 
PLO 4‐12 are not covered and checked in the course directly.  

 
ANNEXURE‐I 
Tentative Lecture Breakdown (30 Lectures): 
 
 
   
 
Lecture  Topics Covered 
 
1.  Fundamentals of Artificial Intelligence (AI), Thinking Humanly, Acting Humanly,
  Thinking Rationally, Acting Rationally, Weak AI, Strong AI. 
 
2.  Intelligent Agent, Agent environments (Observable Agents, Deterministic, Episodic
 
Static, Discrete), 
 
 
  Agent Types: Simple reflex agents, Goal-based Agents, 
  Model-based reflex agents, Utility-based Agents, Learning agents 
3 
 
   
  
What is Search? Problem Formulation, Search Space 
  4. 
Definition 
 
 
Types of Search Algorithms, Uniformed Search, Breadth First 
  5. 
   
Search (BFS)
 
6.  Depth First Search (DFS), BFS and DFS Comparison 
 
 
Informed Search, Heuristic Function, Greedy Best First Search 
  7. 
   
 
8.  A* search, Time and Space complexity 
 
   

  9.  Hill Climbing, Time and Space Complexity 

 
Introduction: Game as Search Problems, perfect decisions in two person games 
10. 
11. 
COMSATS University Islamabad Sessional-1  Page 7
   

12  Imperfect decision, Minimax algorithm 

 CSC462 Artificial Intelligence   Fall 2021 

 
 
   

13  Evaluation functions, Cutting‐off search 
   

14  Alpha‐Beta pruning, Effectiveness of Alpha‐Beta Pruning 
 
Introduction to Knowledge, Knowledge Based Agent, Wumpus World, PEAS 
15. 
 
Logic, Propositional Logic, Pros and Cons of Propositional Logic. 
16. 
   

17  First Order Logic:  Syntax and semantics of First Order Logic 
   

18  Using FOL, Atomic/Complex Sentences 
   

19  Rules of Inference, Proof 
   

20  Resolution Inference Rule, Resolution Proof 
   

21  Forward Chaining Algorithm, 
   

22  Backward Chaining Algorithm 
23  Sessional‐2 
 
 
Machine Learning: 
24 
Introduction and Application 
   

25  Inductive learning 
   
26  Instance based learning 
 
Neural  Networks,  Artificial  Neural  Networks  (ANN),  Single  layer  feed  forward  neural  net
27  (Perceptron) 
   

28  Multilayer feed forward neural network 
   
   
29  Unsupervised Learning, K means clustering algorithm 
   
 
Perception/ Communication: Image Classification/Text Classification 
30 
   
 
Perception/ Communication: Image Classification/Text 
31 
Classification 
  Terminal Examination 
 

COMSATS University Islamabad Page 8

CSC462 Artificial Intelligence   Fall 2021 

 
 
 
 
 
 
 
Version  Applicable From 

Version 1  Spring 2019 

   

   

   
 
 

COMSATS University Islamabad Page 9