Emne

Generative AI (DAT560)

Fakta

Emnekode DAT560

Vekting (stp) 10

Semester undervisningsstart Vår

Undervisningsspråk English

Antall semestre 1

Vurderingssemester Vår

Timeplan Vis timeplan

Litteratur Søk etter pensumlitteratur i Leganto

Introduksjon

Dette emnet en grundig forståelse av generativ AI, med fokus på viktige konsepter, teknikker og anvendelser. Emnet dekker modellutvikling for å generere tekst, bilder og media, samt avanserte temaer som multimodal AI og etiske hensyn som rettferdighet og bias.

Content

Dette emnet gir en dyp forståelse av grunnleggende generativ kunstig intelligens (AI), som dekker grunnleggende konsepter, nøkkelteknikker og et bredt spekter av applikasjoner. Studentene vil lære om kjerneprinsippene som ligger til grunn for generativ AI, inkludert utvikling og evaluering av modeller som er i stand til å lage tekst, bilder og andre former for medier. Emnet introduserer også avanserte emner, for eksempel integrering av tekst og visuelle data, og bruken av generativ AI på tvers av forskjellige domener som medisin, juss og kreative industrier. Etiske hensyn, som rettferdighet og skjevhet, vektlegges gjennom hele emnet, og sikrer at studentene er forberedt på å bygge ansvarlige AI-systemer

Learning outcome

Kunnskap:

  • Forstå de grunnleggende konseptene og prinsippene for generativ AI.
  • Evne til å identifisere behovet for og bruke generativ AI i ulike domener og anvendelser.
  • Forstå de etiske utfordringene knyttet til generativ AI, inkludert spørsmål om rettferdighet og bias.

Ferdigheter:

  • Utvikle og forbedre generative AI-modeller for ulike anvendelser, med vekt på praktisk implementering.
  • Evaluere effektiviteten og påvirkningen av generative AI-systemer i forskjellige sammenhenger.
  • Designe og bygge generative AI-applikasjoner, med tanke på hele utviklingssyklusen fra konsept til implementering.

Generell kompetanse:

  • Bruke generative AI-teknikker for å løse reelle problemer i en rekke domener.
  • Kritisk vurdere samfunnsmessige implikasjoner av generativ AI, særlig når det gjelder etikk og ansvarlighet.
  • Samarbeide effektivt med tverrfaglige team for å innovere innenfor feltet generativ AI.

Forkunnskapskrav

Ingen

Anbefalte forkunnskaper

Programming fundamentals (DAT120), Probability and Statistics 1 (STA100)
Python, Jupyter notebooks, pandas, scikit-learn, pytorch, tensorflow.

Eksamen / vurdering

Project report + code + oral presentation and written exam

Project report + code + oral presentation

Vekt 2/5

Karakter Letter grades

Eksamenssystem Canvas

Written exam

Vekt 3/5

Varighet 4 Hours

Karakter Letter grades

Eksamenssystem WISEflow

Prosjektet består av én stor oppgave (40 % av karakteren) utført over 6 uker. Prosjektet skal gjennomføres i gruppe. Karakteren for prosjektet vil baseres på innlevert programkode, prosjektrapport og en muntlig presentasjon i grupper. Begge deler må gjennomføres før endelig karakter gis.

Dersom en student stryker på prosjektet, må hun/han ta denne delen neste gang emnet undervises.

Den skriftlige eksamenen (60 % av karakteren) vil være digital.

Både prosjekt og skriftlig eksamen må bestås for å få sluttkarakter i emnet.

Vilkår for å gå opp til eksamen/vurdering

Compulsory assignments

3 obligatoriske programmeringsoppgaver (godkjent/ikke godkjent) fordelt på grunnlagene, LLMs og maskinsyn.

Alle programmeringsoppgaver må være bestått for å gå opp til skriftlig eksamen og for å få godkjent prosjektet. Gjennomføring av oppgavene skal gjøres innen fastsatt tidsfrist. Fravær på grunn av sykdom eller andre årsaker må snarest meldes til laboratoriepersonellet. Oppgavene blir godkjent manuelt gjennom demonstrasjon der studenten også må vise dypere forståelse av sin løsning. Studenten kan ikke forvente at det foretas tilpasninger for godkjenning på andre tidspunkter enn oppsatt, med mindre det er avtalt på forhånd med laboratoriepersonellet. Studenter som ikke fullfører eller ikke får godkjent oppgavene til fastsatte frister, kan ikke ta eksamen i emnet.

Method of work

4 timer forelesninger / øvingsgjennomgang og 2 timer veiledede programmeringsøvelser og prosjekt. Programmeringsøvelser krever ytterligere ikke-veiledet arbeidsinnsats.

Using AI to support learning and study activities

KI-verktøy kan brukes som læringsstøtte i DAT560, men skal aldri erstatte forståelsen av generativ KI emnet skal bygge — å forstå prinsippene bak generativ KI og selv stå for kode, vurderinger og etisk refleksjon i prosjektet er nettopp det du skal mestre. Nyttige bruksområder er å be KI forklare et begrep (f.eks. hvordan en generativ modell trenes, hva som skiller generativ KI fra diskriminative modeller, eller en etisk utfordring ved generativ KI), å gjennomgå eller feilsøke kode du selv har skrevet, eller å foreslå tester og randtilfeller. All bruk av KI skal oppgis i det du leverer, slik det er spesifisert i emnebeskrivelsen, og du er selv ansvarlig for kritisk å vurdere det KI produserer.

Åpent for

Admission to Single Courses at Master Level at the Faculty of Science and Technology
Data Science - Master Computer Science - Master Cybernetics and Applied AI - Master
Exchange programme at The Faculty of Science and Technology

Opptakskrav

Søkeren må oppfylle opptakskravet til et av studieprogrammene som emnet er åpent for.

Kontakt

Head of Department:
Tom Ryen
Course coordinator:
Vinay Jayarama Setty
Course teacher:
Petra Galuscakova

Tilbys av

Faculty of Science and Technology

Department of Electrical Engineering and Computer Science

Emnebeskrivelsen er hentet fra Felles studentsystem Versjon 1