Programplaner og emneplaner - Student
PENG9560 Topics in Artificial Intelligence and Machine Learning Emneplan
- Engelsk emnenavn
- Topics in Artificial Intelligence and Machine Learning
- Omfang
- 10.0 stp.
- Studieår
- 2021/2022
- Emnehistorikk
-
- Pensum
-
VÅR 2022
- Timeplan
-
Innledning
Etter fullført emne har studenten følgende læringsutbytte definert i ferdigheter og generell kompetanse:
Ferdigheter
Studenten kan
- skriftlig dokumentere kunnskap om et selvvalgt fysioterapifaglig tema med relevans på individ- og samfunnsnivå
- innhente, vurdere og anvende teori og vitenskapelig litteratur relatert til oppgavens problemområde
- utforme en problemstilling og følge opp denne gjennom oppgaven
- begrunne valg av egnet forskningsmetode, og dokumentere innsamling og analyse av data, og evaluere egen metodetilnærming
- drøfte resultater for å besvare/belyse problemstillingen.
- konkludere og vise varsomhet i konklusjonene som trekkes.
Generell kompetanse
Studenten kan
- utforske teoretiske og kliniske problemstillinger på en systematisk og reflektert måte
- planlegge, gjennomføre og dokumentere et prosjekt i tråd med retningslinjer for forskningsetikk og personvern
- dokumentere skriftlig fagformidling etter vitenskapelige kriterier
-
Anbefalte forkunnskaper
Basic background in statistics or probability theory. Knowledge of a programming language.
-
Læringsutbytte
Arbeidsformer omfatter ressursforelesninger, veiledning i gruppe og selvstudier. Enkelte forelesninger foregår i 5. semester. 6. semester starter med forelesninger og seminar som skal understøtte studentenes arbeid med tema, problemstilling og utforming av prosjektskisse. Oppgaven gjøres av to studenter sammen. Studentene får tildelt veileder etter å ha levert prosjektskisse for oppgaven.
-
Innhold
The course is structured in five modules:
- Module 1: Unsupervised Data Mining
- Module 2: Supervised Machine Learning
- Module 3: Reinforcement Learning
- Module 4: Artificial Neural Network and Deep Learning
- Module 5: Major Concepts in Artificial Intelligence, including: complex systems (networks, cellular automata, and agent-based models) and evolutionary computing
-
Arbeids- og undervisningsformer
Ingen arbeidskrav.
-
Arbeidskrav og obligatoriske aktiviteter
Eksamensinnhold: Læringsutbyttene
Eksamensform: Prosjektoppgave på inntil 11 000 ord eller artikkel på inntil 3500 ord i gruppe på 2* studenter over 9-10 uker.
*Det kan i spesielle tilfeller gis dispensasjon, slik at studenter kan skrive individuelt eller i gruppe på 3 studenter; jf. arbeidsheftet som angir kriteriene for å kunne få innvilget dispensasjon.
-
Vurdering og eksamen
Alle hjelpemidler tillat.
-
Hjelpemidler ved eksamen
Gradert skala A-F.
-
Vurderingsuttrykk
Alle besvarelser vurderes av to sensorer. 15 prosent vurderes av én ekstern og én intern sensor. De øvrige vurderes av to interne sensorer.
-
Sensorordning
Two internal examiners. External examiner is used periodically.