høst
2020
DTE-2602 Introduksjon maskinlæring og AI - 10 stp
Innhold
Dette emnet gir en grunnleggende introduksjon til maskinlæring (ML) og kunstig intelligens (AI). Med fokus på anvendelse og teori gis studentene en praktisk forståelse av metodene som gjennomgås. Studentene får også en introduksjon til filosofiske grunnlagsproblemer og etiske spørsmål knyttet til ML/AI, i tillegg til feltets historie.
I tillegg gis det en introduksjon til Python som programmeringsspråk og hvordan maskinlæring benyttes. Dette inkluderer en gjennomgang av:
- Editor / verktøy
- Python grunnleggende strukturer
- Kjøremiljø
- Språkspesifikke elementer
Hva lærer du
Etter bestått emne skal studentene ha følgende læringsresultat:
Kunnskaper og forståelse:
ha kunnskap om fagområdets historiske utvikling og utfordringer.
få en grunnleggende teknisk forståelse av de viktigste konseptene innenfor maskinlæring.
kunne vurdere fordeler og ulemper ved valg av ML/AI metoder for ulike anvendelser og problemstillinger.
være i stand til å implementere algoritmer for utvalgte metoder.
få erfaring med ulik bruk av datasett for trening og testing.
kjennskap til grunnleggende filosofiske og etiske spørsmål knyttet til utvikling og anvendelse av ML/AI.
er du i stand til å designe og gjennomføre eksperimenter ved bruk av metodene, med vekt på evaluering.
Ferdigheter:
Beherske grunnleggende verktøy og kan ekstrahere og visualisere informasjon fra større datamengder.
forstå arbeidsflyten i større kunstig intelligens- eller maskinlæringsprosjekter.
kunne anvende open-source og kommersielle verktøy som benyttes til å løse industrielle prosjekter innenfor maskinlæring eller kunstig intelligens.
Kompetanse:
beherske metoder og verktøy for utforming og gjennomføring av prosjekter innenfor maskinlæring eller kunstig intelligens.
bli kjent med de forskjellige metodene som brukes for å finne riktig verktøy for å gjennomføre maskinlæring eller kunstig intelligens.
Undervisning
Undervisningsomfang, undervisnings- og arbeidsform, samt undervisningsfrekvens skal beskrives. I tilfeller der det ikke gis undervisning i emnet hvert semester, bør emnebeskrivelsen inneholde opplysninger om muligheten for å avlegge eksamen i undervisningsfrie semestre. Det skal være tydelig sammenheng mellom emnets forventede læringsutbytte og de undervisnings- og arbeidsformer som er valgt for emnet.Eksamen
Arbeidskrav
Mappevurdering med følgende innhold (vurderingsgrunnlag):
Obligatoriske øvinger: et antall programmeringsøvinger (godkjent / ikke godkjent)
Obligatoriske arbeider: et antall oppgaver (bokstavkarakter)
Obligatorisk større prosjekt: (bokstavkarakter)
Flervalgstest for deler av pensum (bokstavkarkater).
Eksamen og vurdering
Mappevurdering med følgende innhold (vurderingsgrunnlag):
Obligatoriske øvinger: et antall programmeringsøvinger (godkjent / ikke godkjent)
Obligatoriske arbeider: et antall oppgaver (bokstavkarakter)
Obligatorisk større prosjekt: (bokstavkarakter)
Flervalgstest for deler av pensum (bokstavkarkater).
Øvinger, arbeider, prosjekt og flervalgstest kan vektes ulikt i sitt bidrag til sluttkarakter i emnet. Alle deler må være bestått for å få karakter i emnet. Dersom mer enn 30% av mappen (vurderingsgrunnlaget) mangler (dvs. har bestått mindre enn 70% av arbeidskravene) vil man ikke kvalifisere for kontinuasjon og må ta emnet på nytt ved neste ordinære avvikling.
Kontinuasjonseksamen
Kontinuasjon består i komplettering av mappen innen avtalt frist og i hht §22 i Eksamensforskriftene. For de deler av arbeidskravene som manglet ved ordinær avvikling vil bli erstattet av nye tilsvarende arbeidskrav som må gjøres innen avtalt frist. Normalt gis nye arbeidskrav ut i uke 3 med first til ferdigstilling i uke 5.
- Om emnet
- Studiested: Narvik | Bodø | Nettbasert |
- Studiepoeng: 10
- Emnekode: DTE-2602
- Ansvarlig enhet
- Institutt for datateknologi og beregningsorienterte ingeniørfag
- Tidligere år og semester for dette emnet