Fakta

Lærested:
Sted:
Nett
Studietype:
Enkeltemne
Studieform: Nettstudium
Oppstart: Fleksibel oppstart
Studiepoeng:
5
Søknadsfrist: Utdanningen har løpende søknadsfrist

Informasjon oppdatert

23. april 2025.

Om studiet

Lær deg hands on hvordan kunstig intelligens og maskinlæring brukes i praksis.

I dette nettbaserte emnet vil dyktige fagfolk lære deg teori og arbeidsmetodikk for å jobbe med kunstig intelligens og maskinlæring. Du vil lære om sentrale utfordringer, løsninger og anvendelser, og tilegne deg kompetanse som kan brukes i reelle arbeidssituasjoner.

Emnet tar for seg følgende tema:
• Dataanalyse og maskinlæring som prosess
• Veiledet læring
• Ikke-veiledet læring
• Dyp læring og overføringslæring
• Forsterkende læring
• Testing og evaluering av modeller
• Forklarbarhet

I dette emnet vil vi arbeide med kjørbar Python-kode i Jupyter notebooks. Du trenger ikke være en erfaren programmerer, men må kjenne Python godt nok til å kunne lese og forstå programkode, og gjøre enkle justeringer av eksisterende kode. Du bør også ha grunnleggende matematisk forståelse.

Dette er andre del av et praktisk rettet videreutdanningsstudium som består av to frittstående emner. Du må ikke ha tatt det første emnet, «Innføring i kunstig intelligens og maskinlæring», for å ta dette emnet, men du bør ha grunnleggende oversikt over hovedprinsipper og sentrale konsepter innen kunstig intelligens. Videre bør du kjenne til storparten av begrepene gjengitt i vedlagte begrepsoversikt. Læringsfilmer og korte begrepsforklaringer fra innføringsemnet vil være tilgjengelig for deg som tar dette emnet, men du vil ikke få tilgang til hele innføringsemnet.

Undervisningsopplegg

Nettstudier gjør det mulig for deg å studere når du vil, hvor du vil. Det er en fleksibel studiemetode, som gjør at nettstudier kan tilrettelegges for enhver timeplan og situasjon.  

Vi bruker læringsportalen Canvas. Her finner du blant annet:  

  • forelesningsvideoer  
  • oversikt over pensum og studieløp  
  • læringsmål  
  • planleggingsverktøy  
  • øvingsoppgaver  
  • innleveringsoppgaver  
  • mulighet til å kommunisere med din personlige veileder og medstudenter m.m.  
     

Gjennomføringen er basert på arbeid med pensum, veiledningstekster, videoforelesninger, øvingsoppgaver, innsending av obligatoriske oppgaver, samt gjennomføring av en skriftlig eksamen. Fagstoffet i læringsportalen er ordnet i en bestemt rekkefølge, slik at du lett forstår hva du skal gjøre til enhver tid.   

Du vil gjennom studietiden din ha tilgang på veileder i emnet. Veileder vil også gi deg tilbakemeldinger på de obligatoriske oppgavene du leverer i løpet av studietiden.   

Opptakskrav

For å kunne søke på dette emnet må du møte ett av kravende nedenfor:

Opptaksinformasjon

Søknadsfrist og oppstart

  • Hver dag, hele året.

Læringsutbytte

Etter gjennomført emne skal du forstå sentrale utfordringer, løsninger og anvendelser av maskinlæring. Du skal kunne forklare hvordan de vanligste maskinlæringsalgoritmene fungerer, bruke maskinlæring som et verktøy for å hente ut informasjon fra data, og anvende maskinlæring og dyp læring i praksis.