Datateknik GR (A), Introduktion till AI , 7,5 hp
Observera att kurslitteraturen kan ändras/revideras fram till:
• 1 juni för en kurs som startar på höstterminen
• 15 november för en kurs som startar på vårterminen
• 1 april för en kurs som startar på sommaren
Skriv ut eller spara kursplanen som PDF
Du kan enkelt skriva ut en kursplan direkt från webbsidan. Använd kortkommandot ctrl+p (Windows) eller command+p (Mac). I nästa steg väljer du om du vill skriva ut eller spara kursplanen som PDF.
För en nedlagd kurs kan eventuell information om avvecklingsperiod hittas under rubriken "Övergångsregel" i senaste versionen av kursplanen.
Kursplan för:
Datateknik GR (A), Introduktion till AI , 7,5 hp
Computer Engineering BA (A), Introduction to AI, 7,5 credits
Allmänna data om kursen
- Kurskod:DT217G
- Ämne huvudområde:Elektroteknik
- Nivå:Grundnivå
- Progression:(A)
- Högskolepoäng:7,5
- Fördjupning vs. Examen:G1F - Grundnivå, har mindre än 60 hp kurs/er på grundnivå som förkunskapskrav
- Utbildningsområde:Tekniska området 100%
- Ansvarig institution:Data- och elektroteknik
- Fastställd:2025-11-20
- Giltig fr.o.m:2026-01-19
Syfte
Kursen ämnar ge en grundläggande översikt över området Artificiell intelligens (AI) och dess tillämpningar. Specifikt lär den ut grundläggande kunskaper om struktur, begrepp och användningsområden för generativ artificiell intelligens, maskininlärning och djupinlärningsalgoritmer. Olika aspekter av AI-etik kommer att behandlas.
Lärandemål
Efter avslutad kurs ska studenten kunna:
- översiktligt beskriva området Artificiell Intelligens (AI) och några vanliga tillämpningar,
- beskriva och tillämpa grundläggande koncept gällande Python/Jupyter Notebooks,
- särskilja och tillämpa några olika metoder inom AI, såsom generativ AI, maskininlärning och djupinlärning,
- diskutera etiska aspekter relaterade till AI.
Innehåll
- Introduktion och beskrivning av området AI och ML/Deep Learning
- Etik, lagstiftning och hållbarhet
- Utvecklingshjälpmedel med olika verktyg och programmeringsspråk för att utvärdera olika modeller
- Generativ AI / Olika språkmodeller (LLM)
- Promptingtekniker för språkmodeller
- Introduktion till deep learning och neurala nätverk
Behörighet
Datateknik GR, Grundläggande programmering, 7,5 hp.
Urvalsregler
Urval sker i enlighet med Högskoleförordningen och den lokala antagningsordningen.
Undervisning
Undervisningen sker i form av övningar, laborationer, inlämningsuppgifter, seminarier samt en avslutande skriftlig tentamen.
Examination
L101: Laborationer, 2,5 hp
Betygsskala: Tvågradig skala
S101: Seminarium om etik, 1 hp
Betygsskala: Tvågradig skala
T101: Skriftlig tentamen, 4 hp
Betygsskala: Sju-gradig skala, A-F o Fx
Länk till betygskriterier: https://www.miun.se/betygskriterier.
Om en student har ett besked från samordnaren vid Mittuniversitetet om pedagogiskt stöd vid funktionsnedsättning, har examinator rätt att ge anpassad examination för studenten.
Begränsning av examination
Studenter registrerade på denna version av kursplan har rätt att examineras 3 gånger inom loppet av 1 år enligt angivna examinationsformer. Därefter gäller examinationsform enligt senast gällande version av kursplan.
Betygsskala
Sju-gradig skala, A-F o Fx
Litteratur
Obligatorisk litteratur
Ingen obligatorisk kurslitteratur kommer att användas i denna kurs.
Referenslitteratur
Författare: Stuart Russel, Peter Norvig
Titel: Artificial Intelligence: A Modern Approach
Förlag: Pearson Education Ltd
Upplaga: Utgåva 4 eller senare
ISBN: 9781292401133