Fakta
Informasjon oppdatert
7. mars 2023.
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
Studiet kan kombineres med jobb og privatliv. Det er nettbasert med veiledningstekster, læringsfilmer, øvingsoppgaver og obligatoriske innsendingsoppgaver, samt mulighet for frivillige studentsamlinger på Zoom. Du vil motta personlig tilbakemelding fra en faglig dyktig veileder.
Merk at noe av læringsmaterialet er på norsk og noe på engelsk, men alle læringsfilmene er tekstet på norsk.
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.
Undervisningsopplegg
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.
Opptakskrav
Se emnets studieside for opptaksinformasjon