KDM1200 Subject Areas - Specialisation Course description

Emnet gir en videreføring i motefaglige kunnskaper og ferdigheter, som mønsterkonstruksjon og materialforståelse. Emnet gir også en innføring i relevante teorier som skal sette studenten i stand til å reflektere over, argumentere og formidle skapende prosesser.

Emnet er organisert i form av tre prosjekter der det tredje prosjektet er et eksamensprosjekt.

The course consists of lectures (theory), labs (practical exercises, computer simulations/programming, and software implementation), group discussions as well as group projects. Each group project will be assigned certain topics/areas. The students will work in groups and finally submit the project report alongside the code.

Practical exercises: Lab and Q&A sessions.

Ingen.

Etter å ha gjennomført dette emnet har studenten følgende læringsutbytte, definert som kunnskap, ferdigheter og generell kompetanse:

Kunnskap

Studenten

• har kunnskap om form, teknikk og materialbruk
• kan anvende relevant teori i egne prosjekt
• har kunnskap om materialers livsløp, miljøpåvirkning, oppbygning, egenskaper og bearbeidingsmuligheter, samt HMS-tiltak i arbeid med disse i motedesign og -produksjon.

Ferdigheter

Studenten

• kan ta valg og eksperimentere med form, materialer, teknikker og redskaper og anvende disse i arbeidet med idéutvikling, funksjon og uttrykk
• kan reflektere over, argumentere for og formidle egne prosjekt gjennom muntlig og visuell formidling
• kan anvende kunnskap om tekstile materialer livsløp, miljøpåvirkning, oppbygning og egenskaper til å ta hensiktsmessige, miljøbesparende materialvalg og til å iverksette HMS-tiltak i motedesign og -produksjon.

Generell kompetanse

Studenten

• har grunnleggende forståelse for motedesign og produksjon
• kan arbeide selvstendig ut i fra en valgt problemformulering
• har kjennskap til fagets egenart og fagets plass i kultur og samfunn
• kan reflektere over materialbruk og HMS-utfordringer i motedesign og -produksjon.

The following mandatory assignment must get approved before the student is entitled to take the final exam:

• Group project proposal (groups of 3-5 students): 1000- 200 words on the assigned topic, containing description of the project ideas, the available dataset(s), model/algorithm to be employed, and references (including several most recent journal publications).
• Literature overview and analysis: Based on the assigned topic and their proposal, the students are required to search for, read through, understand and analyze a recent journal paper. Then they will summarize and write up the key content of the paper they read.

Prosjektarbeid er en vesentlig del av studiet. Undervisningen er progresjonsbasert, fra felles grunnleggende oppgaver til selvstendig valgte tema.

Emnet forutsetter stor grad av tilstedeværelse i verksteder og aktiv deltakelse i undervisningen. I studiet brukes det arbeidsformer som forelesninger, seminarer, veiledning og faglige debatter. Dette har til hensikt å utvikle studentens kunnskaper, idéer, praktiske ferdigheter, faglige forståelse og uttrykksevne. Det forventes at studenten selv innhenter relevant fagstoff utover pensum i emnet og det oppfordres til å bruke læringssentrene og de ressursene som tilbys der. Felles presentasjoner og utstillinger vil danne grunnlag for drøfting og vurdering av studentarbeid.

For å fremstille seg til eksamen må følgende arbeidskrav være utført og godkjent: 

Arbeidskrav, prosjekt 1. Mønsterkonstruksjon og søm-teknikk (individuelt arbeid)

En individuell, praktisk oppgave, i form av en perm, som skal omfattes av følgende:

• En personlig innrettet grunnform til skjørt, overdel og bukse og oppsydde toiler av hvert av disse mønstrene.
• Et enkelt plagg der kunnskapene om mønsterkonstruksjon videreføres på en personlig måte.

Arbeidskrav, prosjekt 2. Mote og moteteori(individuelt-/ gruppearbeid)

Arbeidskravet er todelt:

• En muntlig og visuell presentasjonsoppgave (gruppearbeid): Gruppen skal vise hvordan fagfeltets teorier/ideologier og refleksjoner har fått innvirkning på profesjonelle designeres visuelle arbeid. Det skal anvendes relevant litteratur i arbeidet.
• En praktisk og skriftlig oppgave, der moteteori brukes som inspirasjon til eget praktisk skapende arbeid. Oppgaven kan løses individuelt eller i grupper. Oppgaven omfattes av et ferdig plagg/antrekk og en visuell og skriftlig dokumentasjon av det praktiske arbeidet (om lag 1000 ord). Studenten/ gruppen skal presentere sitt ferdige arbeid for klassen og vil få muntlig tilbakemelding fra medstudenter.

Arbeidskrav vurderes til godkjent/ikke godkjent og når arbeidskrav gjennomføres som gruppearbeid vurderes gruppen under ett.

Obligatorisk tilstedeværelse i undervisningen: Studenten kan ikke ha mer enn 20 prosent fravær i emnet.

Se undervisningsplanene for nærmere informasjon om arbeidskrav.

Eksamen er et praktisk-estetisk eksamensprosjekt med tilhørende skriftlig oppgave. Prosjektet og oppgaven vurderes samlet. Eksamensoppgaven blir utlevert om lag 8 uker før innleveringsfristen. Eksamensbesvarelsen skal omfatte om lag 2000 ord. Eksamensresultatet kan påklages. Individuell eksamen.

1. Praktisk-estetisk prosjekt

Studenten skal produsere/utvikle et praktisk-estetisk arbeid innenfor en av problemstillingene som tilhører emnet.

2. Skriftlig oppgave

Den skriftlige oppgaven skal omhandle det praktisk-estetiske arbeidet.

Både del 1 og del 2 av eksamen vurderes på grunnlag av følgende kriterier:

• Avgrensing og problematisering av valgt tema.
• Utvikling og bearbeiding av idéer ut fra valgt tema.
• Bruk av egnede arbeidsmåter, estetiske virkemidler, materialer og teknikker i utviklingen av idé og intensjon.
• Anvendelse av og refleksjon over relevant teori.
• Bruk av egnede visuelle virkemidler i presentasjonen av oppgaven.

Besvarelsen skal følge retningslinjer for oppgaveskriving og relevant pensum skal anvendes i besvarelsen. Se undervisningsplanene for nærmere informasjon om eksamen.

Fravær - ikke bestått

Studenter som på grunn av gyldig fravær ikke avlegger eksamen, eller som får vurderingen F, kan melde seg opp til ny/utsatt eksamen.

Ved framstilling til ny/utsatt eksamen kan enten en bearbeidet versjon av samme eksamensprosjekt leveres på nytt, eller ny eksamensbesvarelse leveres.

Alle hjelpemidler er tillatt så lenge regler for kildehenvisning følges.

Computational Intelligence is concerned with modern bio-inspired paradigm to artificial intelligence (AI) and is an umbrella term for the fields of neural networks (NN), fuzzy systems (FS) and evolutionary computation (EC). This course offers a comprehensive and systematic introduction to core concepts, principles, and methods in neural networks, fuzzy sets and systems, deep learning, complex networks, and several advanced topics (neuro-fuzzy systems, fuzzy clustering, etc.). The course will illustrate major CI concepts, principles and methods using various application examples in engineering, biomedicine and business. In addition, the overview, history, state-of-the-art, and future trends of AI field will be covered at the beginning of the lectures. The main modules for lectures include:

• AI and CI: Overview and history
• Fundamentals of neural networks
• Introduction to deep learning
• Fuzzy sets, logic and systems
• Hybrid AI - Neuro-fuzzy systems
• Web intelligence - Complex networks
• AI and CI: State-of-the-art and future

Language of Instruction: English

Students are expected to have the following learning outcomes in terms of knowledge, skills and general competence.

Knowledge

On successful completion of the course, the students have:

• an overview on different paradigms, history and future of AI and Computational Intelligence (CI) fields.
• familiarity with the key terminology, concepts, elements and principles in the main CI approaches.
• an in-depth understanding of state-of-the-art CI methods (fuzzy rule-based systems, neural networks, deep learning, complex networks, and hybrid AI techniques).
• knowledge and understanding of challenges and opportunities in the AI and CI field.

Skills

On successful completion of the course, the students can:

• determine when to use and deploy the CI methods for real-world applications.
• apply appropriate CI models and algorithms to modeling, pattern recognition, optimization, decision-support and control problems in real-world applications.
• analyze large-scale, complex, uncertain data with CI models and algorithms.

General competence

On successful completion of the course, the students can:

• program the CI models/algorithms.
• deploy CI systems/models in real-world applications.
• solve complex system related problems using the theory of complex networks.