EPN-V2

DAVE3625 Introduksjon til Kunstig Intelligens Emneplan

Engelsk emnenavn
Introduction to Artificial Intelligence
Studieprogram
Bachelorstudium i anvendt datateknologi
Bachelorstudium i ingeniørfag - data
Bachelorstudium i ingeniørfag - elektro
Bachelorstudium i ingeniørfag – matematisk modellering og datavitenskap
Bachelorstudium i informasjonsteknologi
Omfang
10.0 stp.
Studieår
2019/2020
Emnehistorikk

Innledning

This course provides a broad introduction to Artificial Intelligence (AI), with methodologies and techniques that can be applied to different application domains. The course will balance theoretical approaches and practical tasks. Two broad AI areas will be covered, namely supervised and unsupervised methods. Among those, standard methods for regression, classification and clustering will be covered, e.g. support vector machines, nearest neighbor, decision tree, K-means, agglomerative and hierarchical clustering. An introduction to the usage of artificial neural networks and backpropagation algorithm will be provided.

Anbefalte forkunnskaper

Følgende arbeidskrav er obligatoriske og må være godkjent for å framstille seg for eksamen:

  • delta aktivt med forberedt fremlegg i gruppearbeid

Forkunnskapskrav

None

Læringsutbytte

On successful completion of the course, the student should have the following learning outcomes defined in terms of knowledge, skills and general competence.

Knowledge

The student:

  • Knows how the field of artificial intelligence developed historically
  • Is familiar with the main artificial intelligence theories and has a practical understanding of the development and use of artificial intelligence
  • Can reflect on the practical, social and ethical implications of the development of artificial intelligence
  • Has an understanding of the current application areas of artificial intelligence

Skills

The student:

  • Has the theoretical and practical skills to build simple artificial intelligence systems
  • Can use a variety of state-of-the-art artificial intelligence techniques in different application domains
  • Can evaluate the technical quality and practical value of various types of artificial intelligence

Competence

The student:

  • Has both theoretical and practical understanding of artificial intelligence methods
  • Can discuss the relevance, strengths and limitations of artificial intelligence methods
  • Is able to solve real-life problems using artificial intelligence methods

Arbeids- og undervisningsformer

The course consists of lectures and seminars on techniques and methods, as well as a project to be carried out in groups of 2 to 4 students. The project will be chosen from a portfolio of available problems, either from industry partners or by the research groups. The students will work in groups and will submit an academic report and give an oral presentation. Lab sessions supporting the assignments will be provided.

Arbeidskrav og obligatoriske aktiviteter

Dette emnet gir en oversikt over relevant vitenskapsteori på det estetiske feltet, samt ulike vitenskapelige metoder. Det legges særlig vekt på å belyse forskningsmetoder som er relevante for de ulike estetiske fagområdenes egenart og samfunnsrelevans. Dette settes i et vitenskapsteoretisk perspektiv. Emnet vil presentere grunnleggende begreper og metodeperspektiv som er sentrale for å vurdere og utføre forsknings- og utviklingsarbeid innen de estetiske fagområdene. Emnet forbereder studenten på å strukturere og formulere faglige ressonnementer på et masternivå (2.syklus nivå). 

Vurdering og eksamen

  1. 30% of the grade based on the academic report (in groups of 2-4 students, 5-10 pages written report with link to code e.g. on github).
  2. 70% of the grade based on individual written examination (3 hours).

Both exams must be passed in order to pass the course.

The exam result can be appealed.

Hjelpemidler ved eksamen

No support materials are allowed for the written exam.

Vurderingsuttrykk

Kunnskap

Studenten:

  • har inngående kunnskap om de estetiske fagområdenes vitenskapelige teorier og forskningsmetoder
  • har inngående kunnskap som grunnlag for å analysere og reflektere over forskningsmetodiske perspektiv og vitenskapelige tradisjoner knyttet til fagområdenes historie, egenart og plass i samfunnet
  • kan anvende kunnskap for å kritisk vurdere ulike vitenskapsteoretiske- og forskningsmetodiske posisjoner innen de estetiske fagområdene

 Ferdigheter

Studenten 

  • kan anvende vitenskapsteori og forskningsmetode som er relevant for praksis- og teoridimensjonen knyttet til de estetiske fagområdenes egenart
  • kan strukturere og formulere faglige resonnementer på bakgrunn av vitenskapsteoretisk- og forskningsmetodisk innsikt
  • kan arbeide selvstendig med praktisk og teoretisk problemløsning og vurdere ulike etiske perspektiv knyttet til forskningsprosessen
  • kan bruke relevante metoder for forskning og faglig og/eller kunstnerisk utviklingsarbeid på en selvstendig måte

 Generell kompetanse

Studenten

  • kan arbeide selvstendig med eget fagfelt og beherske fagområdets uttrykksformer
  • kan kommunisere med ulike målgrupper om faglige problemstillinger og drøftingsperspektiv innen de estetiske fagfeltene
  • Kan kritisk vurdere ulike former for kunnskapsinnhenting og bruk av kilder i vitenskapelig publisering

Sensorordning

Undervisningen vil veksle mellom forelesninger og ulike studentaktive læringsformer. Studentene deltar aktivt i undervisningen og i gruppearbeid. Masterstudiet er basert på individuelle studier med deltagelse i grupper, forelesninger og seminar. Det legges vekt på både teoretisk og praktisk arbeid som studieform.