ADA511 Datavitenskap og KI-prototyping

Kunnskap og generell kompetanse:

Etter å ha fullført kurset, kan studenten

• Grunnlaget for kunnskapsrepresentasjon i en KI agent.
• De grunnleggende reglene og formlene som er felles for alle maskinlæringsalgoritmer og store språkmodeller (LLMs).
• Det grunnleggende rammeverket for inferense og beslutningstaking.
• Metrikkene og metodene som brukes for å evaluere og sammenligne maskinlæringsalgoriter, og hvilke som er passende for ulike situasjoner.

Ferdigheter:

Studenten kan

• Utnytte nye teknologier for å bygge fremtidens kunstig intelligens og maskinlæringsalgoritmer, muligens svært ulike de oms finnes i dag.
• Forbedre eksisterende maskinlæringsalgoritmer.
• Forstå og beregne de maksimale ytelsesgrensene for eksisterende maskinlæringsalgoritmer.
• Forklare i generelle termer hvordan KI agenter, maskinlæringsalgoritmer, og LLMs fungerer som de gjør.
• Forstå, forhindre og korrigere for bias og mangler i data som brukes til å trene maskinlæringsalgoritmer.
• Forstå og analysere problemstillinger innen prediksjon og beslutning.

Erfaring med programmering i R eller Python er en fordel, men ikke et krav.

Erfaring med at løse algebraiske ligninger, matrisepultiplikasjon, integrasjon. Disse er nødvendige å kunne, for å være i stand til å programmere algoritmene i kurset.

1. Prosjektarbeid i gruppe, muntlig presentasjon for de andre deltakerne i kurset, regnes som 50% av sluttvurderingen.

Prosjektarbeidet må være relatert til emner undervist i kurset, og kan for eksempel bestå av

• En tenkt eller ekte case-oppgave.
• Programvareutvikling.
• Et pedagogisk prosjekt, som for eksempel en presenstasjon av emner som ikke er gjennomgått i dybden i kurset, eller av alternative fremstillinger av emner i kurset.

Andre muligheter kan avtales i samråd med faglærere. Prosjektarbeidet kan også overlappe med prosjektarbeid som gjøres i forbindelse med andre kurs i mastergradsprogrammet.

2. Muntlig eksamen, regnes som 50% av sluttvurderingen.

Begge deler må være bestått for å få karakter i emnet. Ved ikke bestått på en av delene, kan den delen tas opp alene i det påfølgende semesteret. Etter dette må begge delene tas på ny.

Karakterskala A-F, der F svarer til ikke bestått.

Tryve Buanes

Steffen Mæland

Master`s level.

Exchange students may combine this course with other available courses within their field of study:

Technology and Environmental Sciences exchange programme - Western Norway University of Applied Sciences

En obligatorisk innlevering.

Arbeidskravet må være godkjent for at studenten skal få å gå opp til eksamen.