Kunstig intelligens for ingeniører (DAT305)

Dagens ingeniører står overfor utfordringen i å forstå hvordan kunstig intelligens (KI) kan integreres og benyttes effektivt innenfor deres fagområde. Dette innebærer å identifisere mulige bruksområder for KI, foreta nødvendige tilpasninger, samtidig som man navigerer i etiske problemstillinger. Dette emnet gir et overblikk over fagområdet og innsikt i hvordan KI fungerer.


Dette er emnebeskrivelsen for studieåret 2024-2025. Merk at det kan komme endringer.

Fakta

Emnekode

DAT305

Versjon

1

Vekting (stp)

5

Semester undervisningsstart

Høst

Antall semestre

1

Vurderingssemester

Høst

Undervisningsspråk

Engelsk

Innhold

Emnet gir en grundig innføring i de grunnleggende konseptene og matematiske prinsippene som benyttes i utviklingen av kunstig intelligens (KI) og maskinlæring (ML). Gjennom videoforelesninger og praktiske programmeringsøvelser vil studentene lære om temaer som lineær algebra, dimensjonsreduksjon, maskinlæringsteknikker, nevrale nettverk og språkteknologi (NLP).

Dette emnet er rettet mot de som ønsker å benytte KI innen datateknikk eller andre ingeniørfaglige områder. Emnet forutsetter grunnleggende ferdigheter i programmering og matematikk.

Læringsutbytte

Etter å ha fullført emnet vil studenten være i stand til å planlegge, vurdere og implementere KI-algoritmer på arbeidsplassen for å øke produktiviteten og effektivisere repetitive oppgaver.

Kunnskap

  • En dyp foreståelse av matematikken som gjør at maskinlæringsalgoritmer fungerer.
  • Kunne forklare grunnleggende maskinlæringskonsepter og hvordan disse kan implementeres i Python.
  • Skille mellom veiledet og ikke-veiledet læring og velge egnede algoritmer for ulike problemstillinger.
  • Benytte relevante evalueringsmetoder for å vurdere hvor godt en modell fungerer.
  • Forstå styrkene og begrensningene ved kjente maskinlæringsalgoritmer.

Ferdigheter

  • Implementere maskinlæringsalgoritmer og nevrale nettverk ved hjelp av programmeringssspråket Python og Python-bibliotekene NumPy, TensorFlow og Keras.
  • Bygge enkle språkmodeller og forstå deres anvendelse i språkteknologi (NLP)
  • Løse reelle problemstillinger gjennom praktiske oppgaver og programmeringsøvinger, som gir en dypere forståelse av teorien.

Forkunnskapskrav

None.

Anbefalte forkunnskaper

DAT120 Grunnleggende programmering, MAT100 Matematiske metoder 1, MAT200 Matematiske metoder 2, STA100 Sannsynlighetsregning og statistikk 1

Eksamen / vurdering

Vurderingsform Vekting Varighet Karakter Hjelpemiddel
Skriftlig eksamen 1/1 3 Timer Bokstavkarakterer Ingen hjelpemidler tillatt

Digital skoleeksamen.

Vilkår for å gå opp til eksamen/vurdering

Obligatoriske arbeidskrav

Studentene må bestå en programmeringsoppgave (godkjent/ikke godkjent) for å få adgang til eksamen. Vurderingen av oppgaven skjer gjennom en rapport og en muntlig presentasjon.

Godkjent obligatorisk aktivitet er gyldig i 2 år. Studenter som ønsker å avlegge eksamen etter dette må gjennomføre og bestå den obligatoriske aktiviteten på nytt.

Fagperson(er)

Emneansvarlig:

Mina Farmanbar

Instituttleder:

Tom Ryen

Arbeidsformer

Emnet er digitalt og alle forelesninger publiseres som videopptak. Ved semesterstart får studentene tilgang til hele kursinnholdet og alle forelesninger. Det gis tilbud om laboratorieøkter for de som ønsker.

Åpent for

Datateknologi - bachelor i ingeniørfag
Enkeltemner ved Det teknisk-naturvitenskaplige fakultet

Emneevaluering

Det skal være en tidligdialog mellom emneansvarlig, studenttillitsvalgt og studentene. Formålet er tilbakemelding fra studentene for endringer og justering i emnet inneværende semester.I tillegg skal det gjennomføres en digital emneevaluering minimum hvert tredje år. Den har som formål å innhente studentenes erfaringer med emnet.

Litteratur

Søk etter pensumlitteratur i Leganto