EPN-V2

DATA3750 Applied AI and Data Science project Course description

Course name in Norwegian
Anvendt kunstig intelligens og data science prosjekt
Study programme
Bachelor in Applied Computer Technology
Bachelor's Degree Programme in Software Engineering
Bachelor's Degree Programme in Mathematical Modelling and Data Science
Bachelor's Degree Programme in Information Technology
Weight
10.0 ECTS
Year of study
2024/2025
Course history

Introduction

Etter fullført emne har studenten følgende læringsutbytte definert som kunnskap, ferdigheter og generell kompetanse:

Kunnskap

Studenten

  • Har kunnskap om ulike forståelsesmåter og tilnærminger til språk og språklig kommunikasjon
  • Har grunnleggende kunnskap om tegnspråklingvistikk
  • Har kunnskap om forholdet mellom tegnspråklig, talespråklig og skriftlig kommunikasjon
  • Har kunnskap om verktøy og framgangsmåter for å analysere multimodal samhandling

Ferdigheter

Studenten

  • Kan reflektere over og analysere egen og andres kommunikative praksis
  • Kan produsere og forstå transkripsjoner og annoteringer av tekster på norsk tegnspråk med egnede verktøy
  • Kan benytte og forstå sentrale begreper om språk og språklig samhandling

Generell kompetanse

Studenten

  • Har kompetanse som setter dem i stand til å reflektere over egen tegnspråklig praksis
  • Kan drøfte faglige spørsmål knyttet til bruk av tegnspråk i ulike situasjoner
  • Har god kjennskap til beskrivelser av forventet ferdighetsnivå og kan selv reflektere rundt og konkretisere sitt tegnspråknivå ut fra disse

Recommended preliminary courses

The course builds on DAPE1400 Programming and DAPE2000 Mathematics with statistics. Students that do not have a basic knowledge of programming and statistics must be prepared to make considerable individual efforts to acquire such knowledge.

Required preliminary courses

Undervisningen tar utgangspunkt i arbeid med individuell og gruppevis analyse og bearbeiding av språklig materiale og foregår på norsk tegnspråk. Undervisningsformene vil være varierte. Studentaktive læringsformer har en sentral plass i undervisningen. Noe undervisning gis i form av forelesninger.

Learning outcomes

Retten til å avlegge eksamen forutsetter godkjente arbeidskrav og deltakelse i bestemte faglige aktiviteter. Ved helt spesielle omstendigheter kan det etter avtale med faglærer gis kompensatoriske oppgaver ved overskridelse av fraværet. 

Arbeidskrav

1. Gjennom studiet arbeider studentene med ulike oppgaver på tegnspråk, og som det forventes at studentene tar vare på for å følge med på egen tegnspråkutvikling. Studentene skal individuelt opprette og holde ved like en digital språkperm etter mal fra Europeisk språkperm (European Language Portfolio - ELP), bestående av språkpass, språkbiografi og språkmappe, og levere en refleksjonstekst på norsk tegnspråk på 4 minutter +/- 10% om dette arbeidet etter nærmere retningslinjer gitt av faglærer. Mer informasjon om Europeisk språkperm gis ved studiestart.

Arbeidskravet skal bidra til å sikre læringsutbyttet knyttet til beskrivelser av forventet ferdighetsnivå og refleksjon rundt og konkretisering av eget tegnspråknivå ut fra disse.

2. Studentene skal i gruppe på inntil tre studenter gjennomføre en analyse av en tegnspråklig tekst i samråd med faglærer. Omfanget av innlevert skriftlig tekst vil avhenge av fokuset for analysen og fastsettes i samråd med faglærer.

Arbeidskravet skal bidra til å sikre læringsutbyttet knyttet til transkripsjoner og annoteringer av tekster på norsk tegnspråk.

3. Studentene skal levere en individuell hjemmeoppgave som videofil på norsk tegnspråk på 7,5 minutter +/- 10 %. Temaet skal være godkjent av faglærer på forhånd og leveres innen en dato fastsatt av faglærer. Oppgaven vurderes som godkjent / ikke godkjent. Arbeidskravet skal bidra til å sikre læringsutbyttet knyttet til et eller flere av emnets kunnskapsmål.

Arbeidskrav som ikke blir godkjent, kan gjennomføres/leveres på nytt inntil to ganger. Fristene for disse fastsettes av faglærer. Se programplan for generell informasjon om arbeidskrav.

Krav om deltakelse

Det er krav om 80% tilstedeværelse i emnet. Se programplan for mer informasjon om krav om deltakelse.

Teaching and learning methods

Regular follow-up of the project work by a project supervisor.

The students will work in groups of three to five students to complete a project in data science, machine learning or artificial intelligence in cooperation with relevant external parties such as companies or public organisations.

The supervisor(s) can suggest suitable online courses in AI and data science that the students can take during the first few weeks of the course. The students are also encouraged to take other courses (https://cognitiveclass.ai) that will be useful in order to carry out the chosen project assignment. These courses may, among other things, deal with the following areas: Blockchain, the Internet of Things, Chat Bots, advanced use of data science, etc.

The course can be carried out individually by agreement with the course coordinator.

Projects are selected/distributed at the start of the semester.

Course requirements

Alle hjelpemidler er tillatt så lenge regler for kildehenvisning følges.

Assessment

Gradert skala A-F

Permitted exam materials and equipment

Det benyttes to sensorer. Det er knyttet tilsynssensor til utdanningen som evaluerer vurderingsordningene i emnet og studiet som helhet.

Grading scale

Studentene skal tilegne seg grunnleggende kunnskaper om språk og kommunikasjon generelt, om tegnspråk og visuell kommunikasjon, og om norsk tegnspråk spesielt. De skal også praktisere språket for å utvikle sine språkferdigheter videre fra sitt utgangspunkt. Studenter som ikke tidligere har oppnådd en kompetanse på B1-nivå i CEFR-systemet, skal i løpet av 1. og 2. semester av studiet arbeide fram mot en slik kompetanse. Mer informasjon om kompetanse-nivåene i CEFR (Det felles europeiske rammeverket for språk, læring og vurdering) gis ved studiestart.

Examiners

One internal examiner. External examiners are used regularly.