Kursplan - Projekt i tillämpad artificiell intelligens

Syfte

Kursen skall ge insikt i hur man planerar, genomför och redovisar ett projektarbete inom området artificiell intelligens, dvs identifierar och tillämpar AI-metoder för att lösa ett problem. I projektet förväntas studenten använda och integrera tidigare förvärvade kunskaper, erfarenheter och färdigheter, och därigenom ytterligare fördjupa sin förståelse för utbildningsområdet. Syftet med projektarbetet är att studenten skall utveckla och uppvisa kunskap och förmåga, samt förbereda studenten för examensarbetet.

Lärandemål

Efter avslutad kurs skall studenten kunna: 

1. utifrån ett givet problem formulera en lösning som innehåller AI-delar samt jämföra och reflektera över alternativa lösningar, 
2. utifrån ett givet problem välja och implementera en AI-algoritm, 
3. kritiskt granska och konstruktivt återkoppla andra studenters projektarbete, 
4. presentera lösningen muntligt samt skriftligt i en kortfattad och koncis rapport om utförande, resultat och slutsats från projektet, 
5. tillämpa vetenskapliga metoder och angreppssätt samt relatera lösningarna till existerande forskningsresultat och metoder, 
6. genomföra en etisk- och jämställdhetsanalys av data och AI-systemet i projektet samt
7. genomföra en jämställdhetsanalys av projektarbetet.

Innehåll

Kursen tar upp aspekter från problemformulering till implementering av ett intelligent system med metoder och tekniker från artificiell intelligens: 
- problemformulering 
- identifiera alternativa AI-metoder för att lösa ett specifikt problem 
- hur man kan implementera AI-metoder för industriella tillämpningar 
- hur man presenterar och beskriver ett AI-baserat system 
- hur man gör en etisk- och jämställdhetsanalys av ett AI-system

Särskild behörighet

Avslutade kurser om 90 hp inom datavetenskap vari ingår kurserna Artificiell intelligens 1 7,5 hp, Artificiell intelligens 2 7,5 hp, Smarta digitala plattformar: molntjänster, säkerhet och Big data 7,5 hp, Datahantering och datafication 7,5 hp och Djupinlärning och neurala nätverk 7,5 hp eller motsvarande.

Examination

Inlämningsuppgift (INL1), 4 hp, examinerar lärandemål 1 och 5, betyg Underkänd (U) eller Godkänd (G).
Seminarium (SEM1), 1 hp, examinerar lärandemål 1, betyg Underkänd (U) eller Godkänd (G). 
Seminarium (SEM2), 1 hp, examinerar lärandemål 3, betyg Underkänd (U) eller Godkänd (G).
Seminarium (SEM3), 1 hp, examinerar lärandemål 4, betyg Underkänd (U) eller Godkänd (G).
Projekt (PRO1), 8 hp, examinerar lärandemål 1-7, betyg Underkänd (U), 3, 4 eller 5.

En student som har ett intyg från MDU avseende sin funktionsnedsättning har möjlighet att anmäla önskemål om anpassning vid salstentamina eller annan examinationsform i enlighet med Regler och anvisningar för examination på grundnivå och avancerad nivå vid Mälardalens högskola (2020/1655). Det är examinator som, utifrån det intyg som utfärdats, beslutar om eventuell anpassning och i så fall vilken anpassning som ska gälla.

Misstankar om vilseledande vid examination (fusk) anmäls, enligt högskoleförordningen, till universitetets rektor och prövas av universitetets disciplinnämnd. Om disciplinnämnden anser att en student gjort sig skyldig till en disciplinförseelse fattar nämnden beslut om en disciplinär åtgärd, vilket är varning eller avstängning.

Betyg

Med beröm godkänd, icke utan beröm godkänd, godkänd, underkänd

Övergångsbestämmelser och övriga föreskrifter

Kursen överlappar helt med CDT406 Tillämpad artificiell intelligens.

Kursen bidrar till att uppfylla examenskravet om minst 75 hp inom huvudområdet datavetenskap med inriktning intelligenta system för teknologie kandidatexamen i datavetenskap med inriktning intelligenta system.