TDDE56 · 6 hp · Grundnivå (G2F) · Datateknik, Datavetenskap
Grunderna i AI och maskininlärning
Ges · nästa start HT 2026
96 %
klarade senaste ordinarie tillfället
UPG1 · 1 nov 2024 · 47 studenter
99 %
klarade de ordinarie tillfällena, alla tillfällen de senaste 5 åren
UPG1 · 141 studenter
13 %
Svårare än 13 % av kurserna på grundnivå
Jämfört med 874 kurser på samma nivå, ordinarie tentor de senaste tre läsåren. 47 studenter.
Ingår i 6 program
Inlämning eller laboration
UPG1 Inlämningsuppgifter (online-material)
- G
- U
Ordinarie tillfällen
99 % godkända · 141 studenter
- 96 %47
- 100 %40
- 100 %23
- 100 %31
Senare tillfällen
79 % godkända · 28 studenter
- 100 %16
- 50 %12
- Klarar ett senare tillfälle: 79 % (28 studenter), jämfört med 99 % (141 studenter) på ordinarie
Visa små tillfällen (3)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 100 %4
- 0 %2
- 100 %1
Övriga moment
Deltentor, inlämningar och laborationer. De ingår inte i siffrorna överst.
Inlämning eller laboration
UPG2 Individuell reflektionsrapport efter projektarbetet
- G
- U
Ordinarie tillfällen
71 % godkända · 146 studenter
- 93 %43
- 67 %43
- 58 %60
Senare tillfällen
84 % godkända · 61 studenter
- 95 %19
- 89 %9
- 100 %8
- 68 %25
- Klarar ett senare tillfälle: 84 % (61 studenter), jämfört med 71 % (146 studenter) på ordinarie
Visa små tillfällen (5)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 100 %1
- 100 %3
- 100 %1
- 100 %1
- 75 %4
Om kursen
Mål
Efter avslutad kurs ska den studerande kunna:
- förklara centrala begrepp, metoder och modeller inom AI och maskininlärning
- träna maskininlärningsmodeller för att lösa enklare problem och förklara hur data och optimering används till detta
- utvärdera prestandan hos maskininlärningsmodeller med lämpliga metoder och tolka resultaten från sådana utvärderingar
- modellera och lösa enkla problem med hjälp av vanliga AI-metoder
- tillämpa AI och maskininlärning inom teknikområdet, samt kritiskt utvärdera sådana tillämpningar
- problematisera etiska, samhälleliga och miljömässiga aspekter vid tillämpningar av AI och maskininlärning
Innehåll
- centrala begrepp, metoder och modeller inom AI och maskininlärning
- träning och utvärdering av maskininlärningsmodeller
- programvara och datamängder
- tillämpningar av AI och maskininlärning inom det valda teknikområdet
- Examinator
- Dominik Drexler
- Schemalagd tid
- 30 h
- Huvudområde
- Datateknik, Datavetenskap