Faglig innhold

Emnet gir en introduksjon i kunstig intelligens, med fokus på maskinlæring og objektgjenkjenning. Studentene skal oppnå grunnleggende kunnskap om alle stegene i maskinlæringsprosessen. Dette innebærer innsamling og annotering av bildedata, datahåndtering, samt trening og evaluering av modeller. Emnet legger stor vekt på praktisk og kontekstuell opplæring innenfor biologiske fag.

I emnet inngår:

• Bruk av Jupyter Lab og Python.
• Formattering og visualisering av datasett
• Grunnleggende statistisk analyse og maskinlæring
• Personvern, sikkerhet og etikk
• Samling, annotering, røkting og evaluering av datasett til maskinlæring i biologiske fag
• Trening, testing og statistisk evaluering av maskinlæringsmodeller

Kurset åpner for at studentene kan velge ulike tema som fordypning.

Læringsutbytte

• Kunnskap. Etter kurset vet kandidaten
  • om de viktigste muligheter og begrensninger som programmering, maskinlæring og andre digitale verktøy gir for håndtering og analyse av biologiske data.
  • hvordan kunstig intelligens bruker data og kva KI dermed kan og ikke kan gjøre.
  • hvilke lover som begrenser lagring og bruk av data.
• Ferdigheter. Etter kurset kan kandidaten
  • bruke programmering til å hente, formater, kombinere, visualisere og analysere relevant data.
• Kompetanse. Etter kurset kan kandidaten
  • samle, annotere og kuratere data innenfor biologiske fag og velge relevante verktøy og metoder for å handtere disse.
  • kritisk evaluere nye digitale verktøy, modeller og prosesser innen eget fagområde

Læringsformer og aktiviteter

• Forelesninger
• Seminar
• Videoforedrag og videodemonstrasjoner.
• Øvings- og prosjektoppgaver

Obligatoriske aktiviteter

• Seminardeltagelse

Spesielle vilkår

Anbefalte forkunnskaper

ingen spesielle

Forkunnskapskrav

ingen

Kursmateriell

blir kunngjort ved semesterstart

Studiepoengreduksjon