IN1160 er et helt nytt emne som IFI vil tilby årlig til bachelorstudenter som ønsker å vite mer om kunstig intelligens (KI) og maskinlæring (ML).
Kurset gir en oversikt over sentrale begreper, modeller og teknikker innen ML. Vi vil dekke de tre hovedlæringsstrategiene som benyttes i maskinlæring, nemlig veiledet maskinlæring, ikke veiledet læring (klyngeanalyse) og forsterkende læring. Du vi bli kjent med konkrete ML-modeller, slik som logistisk regresjon og nevrale nettverk, og få anledning til å eksperimentere med dem gjennom ulike programmeringsoppgaver i Python. Du vil også høre mer om praktiske anvendelser, slik som språkteknologi (som er grunnlaget for store språkmodeller slik som ChatGPT), bildebehandling og robotikk. Kurset inkluderer også en introduksjon til filosofiske, etiske og samfunnsmessige problemstillinger knyttet til KI og ML. Dette blir spennende!
Timeplan
Rent konkret er emnet organisert rundt tre typer læringsaktiviteter:
- Forelesninger holdes hver onsdag kl. 10.15–12:00 i Simula Auditorium (men sjekk alltid timeplanen for eventuelle endringer). I forelesningene vil vi gå gjennom de mest sentrale begrepene og grunnleggende metodene innen maskinlæring. Målet er å gi dere et solid teoretisk fundament å bygge videre på i seminarer og lab-oppgaver.
- Seminarer bygger videre på forelesningene og omsetter teorien til praktisk problemløsning og diskusjon. I seminarene jobber dere i mindre grupper med oppgaver som går dypere inn i ulike aspekter, for eksempel hvordan velge hvilken ML-modell er best egnet til å løse en bestemte oppgave. Seminarene legger også vekt på refleksjon rundt etiske aspekter ved KI, og dere vil bli bedt om å diskutere konkrete caser. Seminarer vil skje i mindre grupper, og hver av dere har blitt tildelt en gruppe (det blir 6 grupper totalt). Om gruppa du har blitt tildelt ikke skulle passe for deg er det også lov å besøke andre grupper, så lenge de har plass.
- Programmeringslabber vil til slutt fokusere på, vel, programmering. Her vil dere få praktisk hjelp med de obligatoriske oppgavene, men også jobbe med andre kodeorienterte aktiviteter, inkludert noen "tutorials" som skal vise hvordan ulike Python-biblioteker for maskinlæring kan brukes i praksis. Labbene foregår i de samme gruppene som seminarene.
Alle tre delene er like viktige, og vi anbefale dere å delta aktivt på dem. Forelesningene blir tatt opp og lagt ut på Panopto, men vi vil gjerne understreke at emnet ikke er et nettbasert kurs: det er mye som skjer i forelesningene som man ikke får meg seg ved å kun se på opptaksvideoene. Seminarer og programmeringslabber blir ikke tatt opp.
Obligatoriske oppgaver
For å gå opp til eksamen må dere bestå 3 obligatoriske oppgaver. Hver oppgave består av 2 deler (a+b), slik at det blir totalt 6 innleveringer gjennom semesteret. Se her for detaljer rundt disse obligatoriske oppgavene.
Kommunikasjon
Kurset har et eget Discourse-forum. Dersom du har praktiske eller faglige spørsmål – om forelesningene, de obligatoriske oppgavene, gruppene, eller hva som helst – så still dem gjerne der. Og delta gjerne i diskusjonen ellers også.
For henvendelser som ikke egner seg for deling på forumet (f.eks. knyttet til helse eller andre ting av mer personlig art) så kan du også kontakte fagstaben direkte via epost-adressen in1160-support@ifi.uio.no.
Pensum
Emnet kommer til å basere seg på utdrag fra flere ulike lærebøker. Den primære læreboka er "A Hands-on Introduction to Machine Learning" av Chirag Shah (2022), CUP, som kan kjøpes i Akademika (og andre steder). Men vi kommer også til å bruke lengre utdrag fra "Speech and Language Processing" av Dan Jurafsky & James H. Martin (3rd ed. draft: online manuscript, released January 6 2026) og "Introduction to Information Retrieval" av Christopher D. Manning, Prabhakar Raghavan & Hinrich Schütze (online version, 2009). Det er også mulig du får noen notater fra oss faglærere for å supplere lærebøkene på utvalgte temaer. For detaljer, se det spesifikke pensum som er listet opp for hver forelesning.
Tilbakemeldinger
Det er første året IN1160-kurset tilbys. Det er derfor sikkert mye som kan (og bør) forbedres. Vi setter derfor stor pris fra tilbakemeldinger fra dere, både om form og innhold!