høst 2022
DTE-2602 Introduksjon maskinlæring og AI - 10 stp

Sist endret: 30.09.2022

Søknadsfrist

1. juni

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.

Det forventes at studenten har grunnleggende kunnskaper, ferdigheter og generell kompetanse for å bruke Python som programmeringsspråk.


Anbefalte forkunnskaper

DTE-2510 Grunnleggende programmering, DTE-2511 Videregående programmering

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.


Timeplan

Eksamen

Vurderingsform: Dato: Karakterskala:
Mappevurdering Innlevering: 09.12.2022 kl. 14:00 A–E, stryk F
Obligatoriske arbeidskrav – Følgende arbeidskrav må være gjennomført og godkjent før man kan framstille seg til eksamen:
Programmeringsøvinger Godkjent – ikke godkjent

Mer info om arbeidskrav

Det er 6 obligatoriske oppgaver. Disse oppgavene kan leveres på enten engelsk eller norsk.

Oppgaver levert etter innleveringsfristen blir ikke vurdert.

Minst 4 av de 6 oppgavene må være bestått for å kunne framstille seg til eksamen.


Mer info om mappevurdering

Mappevurdering med følgende tre komponenter (vurderingsgrunnlag):

  • To programmeringsarbeider (kan leveres på enten engelsk eller norsk)
  • Én e-test for utvalgte deler av pensumet

Karakteren baseres på alle tre komponentene i mappen. Vektene til komponentene presenteres i den første presentasjonen og på LMS.


Kontinuasjonseksamen

Kontinuasjonseksamen består i å fullføre mappen innen ny frist. Den komponenten som manglet ved ordinær frist, vil bli erstattet av en ny komponent som skal leveres innen avtalt frist.
  • Om emnet
  • Studiested: Narvik | Bodø | Nettbasert |
  • Studiepoeng: 10
  • Emnekode: DTE-2602
  • Tidligere år og semester for dette emnet