IN3050 – Introduksjon til kunstig intelligens og maskinlæring

Kort om emnet

Dette emnet gir en grunnleggende introduksjon til maskinlæring (ML) og kunstig intelligens (AI). Med en algoritmisk tilnærming gis studentene en praktisk forståelse av metodene som gjennomgås, ikke minst gjennom egen implementering av flere av metodene. Emnet dekker veiledet klassifikasjon basert på for eksempel kunstige nevrale nettverk (dyp læring), i tillegg til ikke-veiledet læring (klyngeanalyse), regresjon, optimalisering (evolusjonære algoritmer og andre søkemetoder) og forsterkende læring, samt design av eksperimenter og evaluering. Studentene får også en introduksjon til filosofiske grunnlagsproblemer og etiske spørsmål knyttet til ML/AI, i tillegg til feltets historie.

Hva lærer du?

Etter å ha tatt IN3050:

  • har du innsikt i sentrale metoder brukt i maskinlæring - ML og kunstig intelligens - AI
  • har du kunnskap om fagområdets historiske utvikling
  • er du i stand til å designe og gjennomføre eksperimenter ved bruk av metodene, med vekt på evaluering
  • kan du vurdere fordeler og ulemper ved valg av ML/AI metoder for ulike anvendelser
  • er du i stand til å implementere algoritmer for utvalgte metoder
  • har du kjennskap til grunnleggende filosofiske og etiske spørsmål knyttet til utvikling og anvendelse av ML/AI

Forkunnskaper

Obligatoriske forkunnskaper

I tillegg til generell studiekompetanse eller realkompetanse må du dekke spesielle opptakskrav:

  • Matematikk R1 eller Matematikk (S1+S2)

De spesielle opptakskravene kan også dekkes med fag fra videregående opplæring før Kunnskapsløftet, eller på andre måter. Les mer om spesielle opptakskrav.

Anbefalte forkunnskaper

Du bør ha erfaring med å programmere. Helst bør du ha tatt emnet INF2220 – Algoritmer og datastrukturer (videreført).

Undervisning

Det holdes 2 timer forelesning og 2 timer gruppeøvelser hver uke.

Det kreves innlevering av obligatoriske oppgaver. Les mer om krav til innlevering av oppgaver, gruppearbeid og lovlig samarbeid under retningslinjer for obligatoriske oppgaver.

Eksamen

Emnet har 4 timers skriftlig digital eksamen, men hvis antall studenter er lavt kan det bli arrangert muntlig eksamen istedenfor.

Alle obligatoriske oppgaver må være godkjent for å gå opp til eksamen.

Hjelpemidler

Ingen hjelpemidler er tillatt.

Eksamensspråk

Dersom emnet undervises på engelsk vil det bare tilbys eksamensoppgavetekst på engelsk.

Du kan besvare eksamen på norsk, svensk, dansk eller engelsk.

Karakterskala

Emnet bruker karakterskala fra A til F, der A er beste karakter og F er stryk. Les mer om karakterskalaen.

Begrunnelse og klage

Adgang til ny eller utsatt eksamen

Studenter som dokumenterer gyldig fravær fra ordinær eksamen, kan ta utsatt eksamen i starten av neste semester.

Det tilbys ikke ny eksamen til studenter som har trukket seg under ordinær eksamen, eller som ikke har bestått.

Trekk fra eksamen

Det er mulig å ta eksamen i emnet inntil tre ganger. Dersom du trekker deg fra eksamen etter fristen eller under eksamen, bruker du et eksamensforsøk.

Som eksamensforsøk i dette emnet teller også forsøk i følgende tilsvarende emner: IN4050 – Introduksjon til kunstig intelligens og maskinlæringINF3490 – Biologically inspired computing (videreført) og INF4490 – Biologically Inspired Computing (videreført)

Tilrettelagt eksamen

Søknadskjema, krav og frist for tilrettelagt eksamen.

Fakta om emnet

Studiepoeng

10

Nivå

Bachelor

Undervisning

Hver vår

Emnet går første gang våren 2020.

Eksamen

Hver vår

Undervisningsspråk

Engelsk