DAT801 Maskinlæring for forretningsutvikling

Innhold og oppbygning

I løpet av de siste årene har det skjedd en dramatisk utvikling innen en rekke områder knyttet til kunstig intelligens. Datamaskiners evne til å gjenkjenne og klassifisere objekter i bilder og videoer har gått fra være omtrent unyttig til å bli en sentral del av en rekke produkter; fra svært begrenset evne til å prosessere og syntetisere tekst, tale og bilder til utstrakt bruk av personlige digitale assistenter og generative modeller; fra amatørnivå i sjakk, poker, Go og Dota til verdens beste; fra kjøreassistanse til autonome kjøretøy.

Årsaken til dette er gjennombrudd innen maskinlæring. Feltet består av en rekke teknikker som gjør datamaskiner i stand til å avdekke kompliserte mønstre og sammenhenger i store datasett. Maskinlæring har hatt mange viktige anvendelser opp gjennom årene, men har aldri vært så gjennomgripende innen teknologi og programvareutvikling som i dag. 

Kurset utforsker maskinlæring på et praktisk, prosjektbasert, hands-on vis, med fokus på å løse problemer fra den virkelige verden. 

Innen kurset er omme vil du ha en solid forståelse av de fundamentale ideene i feltet. Du vil ha erfaring med å takle virkelig-verden-problemer ved bruk av standard arbeidsflyt og moderne verktøy og rammeverk fra data-analyse, programvareutvikling og maskinlæring. Du vil også kjenne til feltets begrensninger, når det kan anvendes og ikke, og prinsipper for effektiv gjennomføring av maskinlæringsprosjekter.

Læringsutbytte

Kunnskaper 

• Kan beskrive noen fundamentale maskinlærings-konsepter og -algoritmer
• Kan forklare hvordan maskinlæring kan brukes til å løse praktiske problemer fra et bredt spekter av områder  
• Kjenner til prinsipper for effektiv planlegging, utføring og evaluering av maskinlæringsbaserte prosjekt.
• Kjenner til hvordan praktisk maskinlæring kan betraktes som en dataingeniørdisiplin ("machine learning engineering" og MLOps)

Ferdigheter 

• Kan utvikle og formulere løsninger på konkrete, praktiske problemer ved hjelp av maskinlæring  
• Kan utvikle, finne og bruke moderne, "state-of-the-art" programvaresystemer og rammeverk for data-analyse, visualisering og rapportering.  
• Kan designe "intelligente" applikasjoner ved hjelp av maskinlæring.  

Generell kompetanse 

• I stand til å formulere og utføre et praktisk maskinlæringsprosjekt.  
• I stand til å presentere ens arbeid, både skriftlig og muntlig.  

Krav til forkunnskaper

Innføring i programmering (UiB) eller tilsvarende.

Undervisnings- og læringsformer

Digitale forelesninger og øvinger

Obligatorisk læringsaktivitet

To obligatoriske innleveringer.

Godkjente øvinger gir også adgang til eventuell utsatt eksamen påfølgende semester. Ved utsatt og ny eksamen neste gang faget undervises, må nye øvinger leveres.

Vurderingsform

Digital hjemmeeksamen, 4 timer.

Karakter bestått/ikke-bestått

Hjelpemidler ved eksamen

Alle hjelpemidler tillatt

Mer om hjelpemidler