Generativ AI (DAT560)

Dette emnet en grundig forståelse av generativ AI, med fokus på viktige konsepter, teknikker og anvendelser. Emnet dekker modellutvikling for å generere tekst, bilder og media, samt avanserte temaer som multimodal AI og etiske hensyn som rettferdighet og bias.


Dette er emnebeskrivelsen for studieåret 2025-2026. Merk at det kan komme endringer.

Fakta

Emnekode

DAT560

Versjon

1

Vekting (stp)

10

Semester undervisningsstart

Vår

Antall semestre

1

Vurderingssemester

Vår

Undervisningsspråk

Engelsk

Tilbys av
Timeplan

Vis timeplan

Innhold

Dette emnet gir en dyp forståelse av grunnleggende generativ kunstig intelligens (AI), som dekker grunnleggende konsepter, nøkkelteknikker og et bredt spekter av applikasjoner. Studentene vil lære om kjerneprinsippene som ligger til grunn for generativ AI, inkludert utvikling og evaluering av modeller som er i stand til å lage tekst, bilder og andre former for medier. Emnet introduserer også avanserte emner, for eksempel integrering av tekst og visuelle data, og bruken av generativ AI på tvers av forskjellige domener som medisin, juss og kreative industrier. Etiske hensyn, som rettferdighet og skjevhet, vektlegges gjennom hele emnet, og sikrer at studentene er forberedt på å bygge ansvarlige AI-systemer

Læringsutbytte

Kunnskap:

  • Forstå de grunnleggende konseptene og prinsippene for generativ AI.
  • Evne til å identifisere behovet for og bruke generativ AI i ulike domener og anvendelser.
  • Forstå de etiske utfordringene knyttet til generativ AI, inkludert spørsmål om rettferdighet og bias.

Ferdigheter:

  • Utvikle og forbedre generative AI-modeller for ulike anvendelser, med vekt på praktisk implementering.
  • Evaluere effektiviteten og påvirkningen av generative AI-systemer i forskjellige sammenhenger.
  • Designe og bygge generative AI-applikasjoner, med tanke på hele utviklingssyklusen fra konsept til implementering.

Generell kompetanse:

  • Bruke generative AI-teknikker for å løse reelle problemer i en rekke domener.
  • Kritisk vurdere samfunnsmessige implikasjoner av generativ AI, særlig når det gjelder etikk og ansvarlighet.
  • Samarbeide effektivt med tverrfaglige team for å innovere innenfor feltet generativ AI.

Forkunnskapskrav

Ingen

Anbefalte forkunnskaper

DAT120 Grunnleggende programmering, STA100 Sannsynlighetsregning og statistikk 1
Python, Jupyter notebooks, pandas, scikit-learn, pytorch, tensorflow.

Eksamen / vurdering

Project report + code + oral presentation and written exam

Vurderingsform Vekting Varighet Karakter Hjelpemiddel
Project report + code + oral presentation 2/5 Bokstavkarakterer
Written exam 3/5 Bokstavkarakterer

Prosjektet består av én stor oppgave (40 % av karakteren) utført over 6 uker. Prosjektet skal gjennomføres i en gruppe. Karakteren for prosjektet vil baseres på innlevert programkode, prosjektrapport og en muntlig høring i grupper om den innleverte programkoden og rapporten. Begge deler må gjennomføres før endelig karakter gis.Dersom en student stryker på prosjektet, må hun/han ta denne delen neste gang emnet undervises.Den skriftlige eksamenen (60 % av karakteren) vil være digital (Inspera).Begge deler må bestås for å få sluttkarakter i emnet.

Vilkår for å gå opp til eksamen/vurdering

Compulsory assignments

3 obligatoriske programmeringsoppgaver (godkjent/ikke godkjent) fordelt på grunnlagene, LLMs og maskinsyn.

Alle programmeringsoppgaver må være bestått for å gå opp til skriftlig eksamen og for å få godkjent prosjektet. Gjennomføring av oppgavene skal gjøres innen fastsatt tidsfrist. Fravær på grunn av sykdom eller andre årsaker må snarest meldes til laboratoriepersonellet. Oppgavene blir godkjent manuelt gjennom demonstrasjon der studenten også må vise dypere forståelse av sin løsning. Studenten kan ikke forvente at det foretas tilpasninger for godkjenning på andre tidspunkter enn oppsatt, med mindre det er avtalt på forhånd med laboratoriepersonellet. Studenter som ikke fullfører eller ikke får godkjent oppgavene til fastsatte frister, kan ikke ta eksamen i emnet.

Fagperson(er)

Emneansvarlig:

Vinay Jayarama Setty

Faglærer:

Mina Farmanbar

Instituttleder:

Tom Ryen

Arbeidsformer

4 timer forelesninger / øvingsgjennomgang og 2 timer veiledede programmeringsøvelser og prosjekt. Programmeringsøvelser krever ytterligere ikke-veiledet arbeidsinnsats.

Åpent for

Data Science - master i teknologi/siv.ing. Datateknologi - master i teknologi Kybernetikk og anvendt KI - master i teknologi/siv.ing

Litteratur

Søk etter pensumlitteratur i Leganto