DTE-2602 Introduksjon maskinlæring og AI - 10 stp

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.

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

Etter bestått emne skal studentene ha følgende læringsresultat:

Kunnskaper og forståelse:

• ha kunnskap om fagområdets historiske utvikling og utfordringer.
• ha 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.
• ha erfaring med ulik bruk av datasett for trening og testing.
• ha kjennskap til grunnleggende filosofiske og etiske spørsmål knyttet til utvikling og anvendelse av ML/AI.
• være i stand til å designe og gjennomføre eksperimenter ved bruk av metodene, med vekt på evaluering.

Ferdigheter:

• beherske grunnleggende verktøy for å 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.

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.