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.
5
Bachelor
Nettbasert
Engelsk
Kursinnhold
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.
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.
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.
3 timers digital skoleeksamen. (NB! fysisk eksamen i Stavanger)
Dato: kommer fortløpende
Vilkår for å gå opp til eksamen
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.
Krav om generell studiekompetanse + HING
Du må dokumentere Matematikk R1 (eller Matematikk S1 og S2) og R2 og Fysikk 1.
Du dekker kravet, selv om du ikke har generell studiekompetanse, hvis du har:
- bestått 1-årig forkurs for 3-årig ingeniørutdanning og integrert masterstudium i teknologiske fag etter fagplan av 2014 eller
- bestått 1-årig forkurs for ingeniør- og maritim høyskoleutdanning eller
- bestått 2-årig teknisk fagskole (rammeplan fra 1998/99 eller tidligere ordninger).
Språkkrav
Søkere med norsk eller engelsk som andrespråk må dokumentere tilstrekkelig kunnskap i norsk eller engelsk.
For å lære mer om språkkravet, gå til Samordna opptak https://www.samordnaopptak.no/info/utenlandsk_utdanning
Du kan lese mer om godkjenning av utenlandsk utdanning på hjemmesiden til Direktoratet for høyere utdanning og kompetanse: https://hkdir.no/utdanning-fra-utlandet
Hvis du ikke oppfyller språkkravene ovenfor, kan du søke på grunnlag av realkompetanse. Hvis arbeidsspråket ditt er engelsk eller norsk, vennligst last opp et dokument fra din leder/HR-leder som bekrefter dine språkkunnskaper.
Anbefalt forkunnskaper
DAT120 Grunnleggende programmering, MAT100 Matematiske metoder1, MAT200 Matematiske metoder 2, STA100 Sannsynlighetsregning og statistikk 1
Pensum vil bli tilgjengelig i Leganto
For spørsmål om kurset ta kontakt med administrasjonen ved Det teknisk-naturvitenskapelige fakultet på e-post: post-tn@uis.no/ tlf: 51831700.
Foreleser
Institutt for data- og elektroteknologi