Emne

Kunstig intelligens for ingeniører (DAT305)

Fakta

Emnekode DAT305

Vekting (stp) 5

Semester undervisningsstart Høst

Undervisningsspråk Engelsk

Antall semestre 1

Vurderingssemester Høst

Timeplan Vis timeplan

Litteratur Søk etter pensumlitteratur i Leganto

Introduksjon

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.

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

Skriftlig eksamen

Vekt 1/1

Varighet 3 Timer

Karakter Bokstavkarakterer

Hjelpemiddel Ingen hjelpemidler tillatt

Eksamenssystem WISEflow

Trekkfrist 03.12.2025

Eksamensdato 17.12.2025

Digital skoleeksamen på campus i Stavanger.

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.

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 Bygg Datateknologi Datateknologi, deltid Elektroteknologi, deltid Elektroteknologi Energi- og petroleumsteknologi Geovitenskap og energiressurser Miljøteknologi Maskin Medisinsk teknologi Medisinsk teknologi - deltid
Enkeltemner på masternivå ved Det teknisk-naturvitenskapelige fakultet
Utveksling ved Det teknisk-naturvitenskapelige fakultet

Emneevaluering

Fakultetet avgjør om det skal gjennomføres tidligdialog i alle emner eller i utvalgte grupper av emner. Formålet er å få tilbakemeldinger fra studentene for forbedringer i semesteret. I tillegg skal det gjennomføres en digital emneevaluering minst hvert tredje år for å innhente studentenes erfaringer.
Emnebeskrivelsen er hentet fra Felles studentsystem Versjon 1