UTVSD6000 Development Studies 2 Emneplan

This course will present the state of the art in algorithms for machine learning on images and 3D data. After a brief introduction to image processing and 3D geometry, we will cover topics within both supervised and unsupervised learning. The course covers classical problems like classification, segmentation, and correspondence detection. Recent work on shape and image synthesis will also be discussed. We will in particular study deep neural architectures for 2D images and 3D data such as point clouds and shape graphs. Additionally, 3D shape design with generative models will be presented.

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 fagenes egenart og forskning på feltet. 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 det estetiske fagområdet.

Etter fullført emne har studenten følgende læringsutbytte definert i kunnskap, ferdigheter og generell kompetanse:

Kunnskap

Studenten kan

• redegjøre for likheter og forskjeller mellom seleksjon i evolusjonsbiologi og atferdsanalyse
• forklare interaksjoner mellom seleksjonsprinsipper på de ulike nivåene
• redegjøre for grunnleggende prinsipper og teorier i moderne evolusjonsbiologi
• beskrive sentrale temaer innen atferdsøkologi
• beskrive sentrale temaer innen moderne genetikk og arvelighetsforståelse
• beskrive betydningen av naturlig seleksjon har for nervesystemets oppbygging og funksjon
• beskrive grunnleggende forskningsområder innenfor evolusjonspsykologi

Ferdigheter

Studenten kan

• anvende prinsipper om kulturell seleksjon ved endringer i organisasjoner og grupper
• finne eksempler på hvordan spesifikke atferder kan forklares fra et evolusjonært perspektiv
• reflektere over temaer og teorier innenfor evolusjon og atferd

Generell kompetanse

Studenten

• har innsikt i det biologiske grunnlaget for atferd hos dyr, inkludert mennesker
• kan formidle seleksjon som en forklaringsmodell både skriftlig og muntlig
• kjenner til nytekning og innovasjonsprosesser innenfor atferdsanalysen som en helhetlig disiplin basert på seleksjonsvitenskaper

Arbeids- og undervisningsformer som inngår i emnet er forelesninger, selvstudium, og presentasjon av tekster og gruppearbeid. l tillegg holdes seminarer, hvor studentene presenterer fagstoff. Studentene presenterer tekster fra pensum, legger opp til drøftinger og får veiledning for videre lesning. Underveis i emnet skal studenten levere 3 besvarelser.

Kunnskap

Studenten:

·;;;;;;;; har inngående kunnskap om fagområdets vitenskapelige teorier og metoder og kunstfagenes egenart som forskningsområde

·;;;;;;;; kan analysere og reflektere over faglige problemstillinger med utgangspunkt i forskningsmetodiske perspektiv og vitenskapelige tradisjoner knyttet til fagområdenes historie, egenart og plass i samfunnet.

·;;;;;;;; har inngående kjennskap til ulike former for kunnskapsinnhenting og kildekritikk i vitenskapelig publisering

;

Ferdigheter

Studenten;

·;;;;;;;; kan analysere og anvende vitenskapsteori og forskningsmetode som er relevant for det estetiske fagfeltet på en selvstendig måte

·;;;;;;;; kan forholde seg kritisk til ulike posisjoner innen det vitenskapsteoretiske- og forskningsmetodiske feltet og anvende disse kunnskapene til å strukturere og formulere faglige resonnementer

·;;;;;;;; kan forholde seg kritisk til ulike informasjonskilder som grunnlag for forskningsprosessen

·;;;;;;;; kan vurdere ulike etiske perspektiv knyttet til forskningsprosessen

;

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

Teaching approach is a combination of traditional weekly lectures and assignments, student- led seminars, and a final project. Lectures will present the core theory of the course content and homework will focus on theoretical knowledge. In student-led seminars, topical research papers will be presented and discussed. The final project exposes the student to a chosen real- world problem relevant to the course topic.

Practical training

The student will be exposed to programming with repositories such as ImageNet and ShapeNet and will have created solutions for real-world problems related to data-driven graphics and imaging.

Skriftlig eksamen med tilsyn (skoleeksamen), 4 timer

Ingen hjelpemidler tillatt