DATA3750 Anvendt kunstig intelligens og data science prosjekt Emneplan

I dette emnet skal studentene få en forståelse av noen av de viktigste prinsippene i Data Science og kognitive teknologier gjennom prosjektarbeid og online-ressurser. Studentene skal introduseres for grunnleggende prinsipper i maskinlæring, data science og kunstig intelligens. Hovedfokuset vil være på anvendelse av disse prinsippene for å løse industrielle oppgaver ved bruk av open-source eller andre data science plattform (som for eksempel IBM Watson). Målet med emnet er å gi studentene en introduksjon til maskinlæring, data science og kunstig intelligens ved bruk av online-ressurser samtidig som studentene skal løse et industrielt problem i form av et større prosjektarbeid.

Prosjekt kan utføres på sommeren. Valgemnet igangsettes forutsatt at det er et tilstrekkelig antall studenter som velger emnet.

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

Kunnskap

Studenten kan:

• gjøre rede for de viktigste egenskapene ved C og C++
• forklare forskjellen på statisk, dynamisk og automatisk allokering av minne
• forklare forskjellen på pekere, referanser og iteratorer
• forklare hva generisk programmering er
• gjøre rede for hva designmønstre er og gi eksempler på slike
• forklare forskjellen på dynamisk og statisk linking

Ferdigheter

Studenten:

• anvender C og C++ i egne prosjekter
• lager egne strukter, klasser og operatorer
• bruker designmønstre, generisk programmering og andre abstraksjoner effektivt
• produserer et ferdig program i C++, med automatisert installasjonsprosedyre

Generell kompetanse

Studenten:

• har generell forståelse for utvikling av ressurseffektive programmer
• kjenner til teknikker for effektivisering av programmer på høyere og lavere abstraksjonsnivå

Ingen ut over opptakskrav.

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

Kunnskap

Studenten

• innehar grunnleggende teknisk forståelse av de viktigste konseptene innenfor maskinlæring, data science og kunstig intelligens.
• kjenner de viktigste metodene innenfor maskinlæring, data science og kunstig intelligens.
• er kjent med plattformer som kan benyttes til å gjennomføre større data science prosjekter (for eksempel IBM Watsons cloud services)

Ferdigheter

Studenten

• behersker grunnleggende Data Science verktøy og kan ekstrahere og visualisere informasjon fra større datamengder.
• forstår arbeidsflyten i større Data Science, kunstig intelligens- eller maskinlæringsprosjekter.
• kan anvende open-source og kommersielle verktøy som benyttes til å løse industrielle prosjekter innenfor Data Science, maskinlæring eller kunstig intelligens.

Generell kompetanse

Studenten

• behersker metoder og verktøy for utforming og gjennomføring av prosjekter innenfor Data Science, maskinlæring eller kunstig intelligens.
• er kjent med de forskjellige metodene som brukes for å finne riktig verktøy for å gjennomføre Data Science-prosjekter.
• har oversikt over hvordan man visualiserer, manipulerer data og utvikler prediktive modeller for å løse industri- og andre arbeidslivsrelevante problemer

Arbeidsformen i dette emne er hovedsakelig prosjektarbeid. Studentene får tilgang til relevante online-ressurser, og får veiledning av intern og/eller ekstern veileder. Studentene vil arbeide i grupper på 3-5 studenter ved å gjennomføre et prosjekt innenfor Data Science, maskinlæring eller kunstig intelligens i samarbeid med relevante eksterne aktører som bedrifter eller statlige organisasjoner. Emnet kan gjennomføres individuelt etter avtale med emneleder.

Prosjektene velges/tildeles ved semesterstart.

Veileder vil foreslå passende online-kurs innen AI og Data Science som studentene bør ta i løpet av de første ukene av kurset. Studentene oppfordres også til å ta andre kurs (https://cognitiveclass.ai) som vil være nyttige for å løse den valgte prosjektoppgave. Disse kursene kan blant annet berører følgende områder: Blockchain, Internet of Things, Chat Bots, avansert bruk av Data Science, m.m.

Disse kursene bør være gjennomført før studentene setter i gang med sine respektive prosjekter.

Følgende arbeidskrav er obligatorisk og må være godkjent for å kunne framstille seg til eksamen:

• Emnet starter med en introduksjonssamling med obligatorisk oppmøte.
• Studentgruppene må levere en prosjektskisse som beskriver hvordan gruppen vil gå fram for å løse sitt prosjekt.

Frist for prosjektskissen vil fremgå av undervisningsplanen som gjøres tilgjengelig ved semesterstart.

Prosjektrapport.

Gruppene (på 3-5 studenter) skal levere en prosjektrapport på 3000-4000 ord som beskriver hvordan oppgaven har blitt løst, og som viser at studentene har en grunnleggende forståelse av teknologiene og metodene som har blitt benyttet. I spesielle situasjoner kan man etter søknad levere individuelt eksamensprosjekt.

Eksamensresultat kan påklages.

Alle hjelpemidler er tillatt så lenge regler for kildehenvisning følges.

Gradert skala A-F.

Ingen ut over opptakskrav.