Emne

Kunstig intelligens for ingeniører (DAT305)

Dagens ingeniører står overfor utfordringen i å forstå hvordan kunstig intelligens (KI) kan integreres og benyttes effektivt innenfor deres fagområde. Dette innebærer å identifisere mulige bruksområder for KI, foreta nødvendige tilpasninger, samtidig som man navigerer i etiske problemstillinger. Dette emnet gir et overblikk over fagområdet og innsikt i hvordan KI fungerer.


Dette er emnebeskrivelsen for studieåret 2025-2026. Merk at det kan komme endringer.

Fakta

Emnekode

DAT305

Vekting (stp)

5

Semester undervisningsstart

Høst

Undervisningsspråk

Engelsk

Antall semestre

1

Vurderingssemester

Høst

Innhold

Emnet gir en grundig innføring i de grunnleggende konseptene og matematiske prinsippene som benyttes i utviklingen av kunstig intelligens (KI) og maskinlæring (ML). Gjennom videoforelesninger og praktiske programmeringsøvelser vil studentene lære om temaer som lineær algebra, dimensjonsreduksjon, maskinlæringsteknikker, nevrale nettverk og språkteknologi (NLP).

Dette emnet er rettet mot de som ønsker å benytte KI innen datateknikk eller andre ingeniørfaglige områder. Emnet forutsetter grunnleggende ferdigheter i programmering og matematikk.

Læringsutbytte

Etter å ha fullført emnet vil studenten være i stand til å planlegge, vurdere og implementere KI-algoritmer på arbeidsplassen for å øke produktiviteten og effektivisere repetitive oppgaver.

Kunnskap

  • En dyp foreståelse av matematikken som gjør at maskinlæringsalgoritmer fungerer.
  • Kunne forklare grunnleggende maskinlæringskonsepter og hvordan disse kan implementeres i Python.
  • Skille mellom veiledet og ikke-veiledet læring og velge egnede algoritmer for ulike problemstillinger.
  • Benytte relevante evalueringsmetoder for å vurdere hvor godt en modell fungerer.
  • Forstå styrkene og begrensningene ved kjente maskinlæringsalgoritmer.

Ferdigheter

  • Implementere maskinlæringsalgoritmer og nevrale nettverk ved hjelp av programmeringssspråket Python og Python-bibliotekene NumPy, TensorFlow og Keras.
  • Bygge enkle språkmodeller og forstå deres anvendelse i språkteknologi (NLP)
  • Løse reelle problemstillinger gjennom praktiske oppgaver og programmeringsøvinger, som gir en dypere forståelse av teorien.

Forkunnskapskrav

Generell studiekompetanse (GENS) og HING.

Anbefalte forkunnskaper

Grunnleggende programmering (DAT120), Matematiske metoder 1 (MAT100), Matematiske metoder 2 (MAT200), Sannsynlighetsregning og statistikk 1 (STA100)

Eksamen / vurdering

Vurderingsform Vekting Varighet Karakter Hjelpemiddel
Skriftlig eksamen 1/1 3 Timer Bokstavkarakterer Ingen hjelpemidler tillatt


Digital skoleeksamen.

Vilkår for å gå opp til eksamen/vurdering

Obligatoriske arbeidskrav

Studentene må bestå en programmeringsoppgave (godkjent/ikke godkjent) for å få adgang til eksamen. Vurderingen av oppgaven skjer gjennom en rapport og en muntlig presentasjon.

Godkjent obligatorisk aktivitet er gyldig i 2 år. Studenter som ønsker å avlegge eksamen etter dette må gjennomføre og bestå den obligatoriske aktiviteten på nytt.

Fagperson(er)

Instituttleder:

Tom Ryen

Emneansvarlig:

Mina Farmanbar

Arbeidsformer

Emnet er digitalt og alle forelesninger publiseres som videopptak. Ved semesterstart får studentene tilgang til hele emneinnholdet og alle forelesninger. Det gis tilbud om laboratorieøkter for de som ønsker.

Åpent for

Batteri- og energiteknologi - bachelor i ingeniørfag Bygg - bachelor i ingeniørfag Datateknologi - bachelor i ingeniørfag Datateknologi - bachelor i ingeniørfag, deltid Elektroteknologi - bachelor i ingeniørfag, deltid Elektroteknologi - bachelor i ingeniørfag Energi- og petroleumsteknologi - bachelor i ingeniørfag Geovitenskap og energiressurser - bachelor i ingeniørfag Miljøteknologi - bachelor i ingeniørfag Maskin - bachelor i ingeniørfag Medisinsk teknologi - bachelor i ingeniørfag Medisinsk teknologi - bachelor i ingeniørfag - deltid
Enkeltemner ved Det teknisk-naturvitenskaplige fakultet
Utveksling ved Det teknisk- naturvitenskapelige fakultet

Emneevaluering

Det skal være en tidligdialog mellom emneansvarlig, studenttillitsvalgt og studentene. Formålet er tilbakemelding fra studentene for endringer og justering i emnet inneværende semester.I tillegg skal det gjennomføres en digital emneevaluering minimum hvert tredje år. Den har som formål å innhente studentenes erfaringer med emnet.
Emnebeskrivelsen er hentet fra Felles studentsystem Versjon 1