Faglig innhold

Dette emnet gir en innføring i kunstig intelligens-teknikker som brukes til å analysere, tolke og generere visuelle data. Emnet dekker grunnleggende konsepter innen dyp læring for bilder, video og 3D-data, samt metoder for å bygge pålitelige og effektive KI-pipeliner for visuell informatikk.

Temaer inkluderer:

• Arkitekturer for dyp læring for visuelle oppgaver, som CNN-er og attention-baserte modeller
• Generative metoder og rekonstruksjonsmetoder for visuelt innhold
• KI-teknikker for 3D-, spektrale og multimodale data
• Robusthet, usikkerhet og grunnleggende metoder for forklarbarhet
• Etiske hensyn og ansvarlig bruk av KI innen bildebehandling

Studentene utvikler praktiske ferdigheter gjennom mindre prosjekter ved bruk av moderne KI-rammeverk.

Læringsutbytte

Kunnskap

Kandidaten vil kunne:

• Forklare sentrale KI-metoder brukt innen visuell informatikk og hvordan visuelle data representeres i moderne modeller.
• Beskrive vanlige tilnærminger til dyp læring, generative metoder og multimodal analyse.
• Drøfte begrensninger, feilkilder og etiske problemstillinger i KI-baserte visuelle systemer.

Ferdigheter

Kandidaten vil kunne:

• Implementere og evaluere KI-modeller for utvalgte oppgaver innen visuell databehandling.
• Forberede og prosessere visuelle datasett i reproduserbare arbeidsflyter.
• Benytte moderne maskinlæringsrammeverk til å trene, analysere og sammenligne modeller.

Generell kompetanse

Kandidaten vil kunne:

• Kritisk vurdere egnethet og pålitelighet av KI-metoder i ulike visuelle anvendelser.
• Kommunisere resultater og innsikt på en tydelig måte til både spesialister og ikke-spesialister.
• Anvende ansvarlige praksiser ved utvikling og bruk av KI-systemer.

Læringsformer og aktiviteter

Forelesninger, praktiske øvelser og mindre prosjekter. Enkelte økter kan inkludere gruppearbeid eller gjesteforelesninger.

Spesielle vilkår