høst 2021
DTE-2602 Introduksjon maskinlæring og AI - 10 stp

Sist endret: 27.04.2021

Søknadsfrist

Eksterne søkere: 1. juni for emner som tilbys i høstsemesteret og 1. desember for emner som tilbys i vårsemesteret.

Studenter med aktiv studierett ved UiT tar kontakt via TopDesk for påmelding


Emnetype

Emnet kan tas som enkeltemne.

Opptakskrav

Generell studiekompetanse og Matematikk R1+R2 og Fysikk 1. 

Søkere som kan dokumentere ett av følgende kvalifiserer også for opptak:

  • generell studiekompetanse og bestått realfagkurs, eller
  • bestått 1-årig forkurs for ingeniørutdanning, eller
  • 2-årig teknisk fagskole etter rammeplan fastsatt av departementet 1998/99 og tidligere studieordninger

*For å få opptak til enkeltemner på grunnlag av Y-veien, må søkeren oppfylle opptakskriteriene for Y-vei til studieprogrammet som emnet inngår i. I tillegg må søkeren oppfylle eventuelle forkunnskapskrav som er spesifisert for det konkrete emnet de søker opptak til. Det gis begrenset studierett til det spesifikke emnet - på samme måte som realkompetansesøkere.

Søknadskode: 9391


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


Anbefalte forkunnskaper

DTE-2605 Programmering 1, ITE1900 Programmering 1, ITE1901 Programmering 2

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.


Undervisnings- og eksamensspråk

Norsk

Undervisning

Faget benytter såkalt «Flipped classroom», dvs. at forelesninger legges ut på nett fortløpende i løpet av semesteret i form av (relativt) korte instruksjonsvideoer og demonstrasjoner på 10-20 minutter. Det foreligger øvingsoppgaver og eventuelt kontrollspørsmål knyttet til hver video.

Faget undervises i høstsemesteret med lærerstyrt- og assistentstyrt læring og/eller øvinger. Nettstudenter vil ha tilgang til lærerassistent for støtte på ettermiddag/kveld til fastsatte tider.


Eksamen

Arbeidskrav

  • Obligatoriske øvinger: 4 av 6 godkjente øvinger (Bestått / Ikke Bestått)

Vurdering 

Mappevurdering med følgende innhold (vurderingsgrunnlag)

  • Obligatoriske arbeider: 2 programmeringsarbeider (Bokstavkarakter)
  • Flervalgstest for deler av pensum (Bokstavkarakter)

Arbeider og flervalgstest kan vektes ulikt i sitt bidrag til sluttkarakter i emnet. 

Dersom arbeidskravene ikke er oppfylt (levert og bestått minst 4 av 6 innleveringer) vil kandidaten ikke være kvalifisere til å få karakter i emnet. 

Dersom mer enn 30% av mappen (vurderingsgrunnlaget) mangler (dvs. har bestått mindre enn 70% av mappen) vil man ikke kvalifisere for kontinuasjon og må ta emnet på nytt ved neste ordinære avvikling.

Kontinuasjon

Kontinuasjon består i komplettering av mappen innen avtalt frist. 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 påfølgende vår med frist til ferdigstilling i uke 5.


Timeplan

  • Om emnet
  • Studiested: Narvik | Bodø | Nettbasert |
  • Studiepoeng: 10
  • Emnekode: DTE-2602