Emneplan forDATA3750 Anvendt kunstig intelligens og data science prosjekt

Innledning

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. 

Anbefalte forkunnskaper

Emnet bygger på DAPE1400 Programmering og DAPE2000 Matematikk med statistikk. Studenter som ikke har grunnleggende programmerings- og statistikk-kunnskap vil måtte påregne en betydelig egeninnsats for å dekke dette.

Forkunnskapskrav

Ingen ut over opptakskrav.

Læringsutbytte

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

Arbeids- og undervisningsformer

Arbeidsformen i dette emne er hovedsakelig prosjektarbeid, enten individuelt eller i grupper på opp til fem studenter. 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.

Arbeidskrav og obligatoriske aktiviteter

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

  • Emnet starter med en introduksjonssamling med obligatorisk oppmøte.
  • En prosjektskisse som beskriver hvordan gruppen vil gå fram for å gjennomføre sitt prosjekt.
  • En standard læringsavtale må inngås mellom prosjekttilbyder/veileder og studenten(e), og denne må godkjennes av intern veleder før prosjektet kan starte.
  • Tre møtereferater fra veiledningsmøter i løpet av prosjektperioden

Frist for innlevering av prosjektskisse og møtereferatene vil fremgå av undervisningsplanen som gjøres tilgjengelig ved semesterstart.

Vurdering og eksamen

Prosjektrapport.

Prosjektrapport skrevet individuelt eller i gruppe på opp til fem studenter, 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.

Hjelpemidler ved eksamen

Alle hjelpemidler er tillatt så lenge regler for kildehenvisning følges.

Vurderingsuttrykk

Gradert skala A-F.

I gruppeprosjekt vil alle studentene i gruppen få samme karakter. 

Sensorordning

To interne sensorer. Ekstern sensor brukes jevnlig.

Om emnet

Engelsk emnenavn
Applied AI and Data Science project
Studieprogram
Høst: Bachelorstudium i anvendt datateknologi / Bachelorstudium i ingeniørfag - data / Bachelorstudium i informasjonsteknologi
Studiepoeng
10 stp.
Studieår
2019
Pensum
pensum
Timeplan
VÅR 2020
HØST 2019
Programplan
Høst 2019: Bachelorstudium i anvendt datateknologi / Bachelorstudium i ingeniørfag - data / Bachelorstudium i informasjonsteknologi
Emnehistorikk