AI & Machine Learning 2025/2026

Engelsk titel

AI & Machine Learning

Uddannelse

Datamatiker

Uddannelsesniveau

Erhvervsakademi

Startsemester

4. Semester

Fagets varighed

1 semester

ECTS

Uddannelseselement

Valgfag

Undervisningsprog

Dansk

Undervisningens starttidspunkt

Efterår og Forår

Undervisningens lokation

Roskilde

Fagkode

45059003

Fagansvarlig

Jens Peter Andersen ‏

Mikkel Andreas Krøll Christensen ‏

Per Jensen ‏

Indhold og formål
Valgfaget beskæftiger med udvikling af AI modeller baseret på såvel klassiske som moderne algoritmer. Valgfaget dækker et bredt udsnit af de kendte læringsprincipper. Fokus ligger på anvendelse af algoritmer med henblik på modellering af konkrete cases. Valgfaget tilstræber at give de studerende en indførsel i anvendelse af tidssvarende værktøjer inden for området.

Specifikt:
• Læringsprincipper: supervised, unsupervised, instance based, re-inforcement
• Modeller: regression, klassifikation, klyngedannelse
• Artificial Neural Network og deep learning
• Large Language Models (LLM) – f.eks. med ChatGPT
• Frameworks: Colab, Jupyter, Deep Note, Python, OpenAI. (Azure & Google)
• Biblioteker: Omfatter sklearn, panda, numpy, matplotlib, keras
Læringsmål
Viden
Den studerende har:
• Forståelse for projekters livscyklus inden for området
• Forståelse for algoritmers anvendelsesområde
• Forståelse for tidssvarende algoritmer og herunder deep learning algoritmer
• Forståelse for træning af modeller samt deres ydeevne og optimeringsprincipper
• Viden om tidssvarende programmeringssprog og udviklingsomgivelser inden for området
• Viden om relevante rammesystemer og softwarebiblioteker inden for området
Færdigheder
Den studerende kan:
• Udvælge relevante algoritmer i forhold et givet problem
• Programmere en procedure til forbehandling af læringsdata
• Programmere en procedure til estimering og optimering en models parametre
• Justere en algoritmes træningsparametre
• Identificere mulige tiltag med henblik på optimering af en given model
• Udvælge test-og valideringsdata.
• Udvikle en model i en moderne programmeringsomgivelse
Kompetencer
Den studerende kan:
• Anvende AI og machine learning i virksomhedsammenhæng
• Integrere modeller i IT-systemer
• Tilegne sig ny viden om AI og machine learning i en praksisnær kontekst.
Eksamen
Læringsmålene for eksamen er identiske med fagets læringsmål
AI & Machine Learning
Forudsætninger for indstilling til eksamen
Som del af et fagelement kan der være en eller flere obligatoriske studieaktiviteter, der defineres og beskrives af faglæreren. Dette kan f.eks. være afleveringsopgaver, projekter, mundtlige fremlæggelser, prøveeksamener m.m. De obligatoriske studieaktiviteter skal være opfyldt senest 10 dage før eksamens start, for at den studerende kan indstilles til eksamen.

Hvis en studerende ikke opfylder forudsætningerne, kan den studerende ikke gå til eksamen og har brugt et eksamensforsøg.
Prøveform
Mundtlig eksamen
Mundtlig eksamen med udgangspunkt i et skriftligt produkt. Alle hjælpemidler tilladt.
Eksamen er en individuel mundtlig eksamen på baggrund af en synopsis. Den studerende vælger selv et emne som har relation til et af den studerendes valgfag.
Synopsen præsenteres af eksaminanden i max. 10 min., hvorefter der foretages en individuel eksamination á 20 minutters varighed inklusive votering.
Formkrav
Synopsen skal maksimum fylde 10 normalsider foruden evt. programmer. Én normalside udgør 2400 anslag inkl. mellemrum.

Hvis en skriftlig opgavebesvarelse ikke opfylder formalia (fastsat i Studieordningen), kan bedømmerne afvise opgavebesvarelsen. Hvis opgavebesvarelsen afvises, skal der ikke gives en bedømmelse, og den studerende har brugt et eksamensforsøg.
Forbederedelsestid
Ingen forberedelse
Varighed
30 minutter
ECTS
10
Der udleveres en opgave inden eksamen
Ja
Individuel eller gruppeprøve
Individuel
Anvendt sprog til prøven
Dansk (Norsk/Svensk)
Hjælpemidler
Alle hjælpemidler
Karakterskala
7-trins skala
Bedømmelsestype
Intern censur
Kriterier for vurdering
Bedømmelseskriterierne for eksamen svarer til læringsmålene for det lokale fagelement: Valgfri
uddannelseselementer. Læringsmålenes kontekst defineres af de konkrete valgfag, som synopsen baserer sig på.
Eksamen bedømmes internt, og der gives en samlet karakter efter 7-trinsskalaen, som er baseret på helhedsvurdering af det skriftlige produkt og den mundtlige præstation.
Tidsmæssig placering
4. Semester
Mulighed for at søge om særlige vilkår
Læs mere om særlige vilkår på -> Moodle
Syge- og reeksamen
Der gælder samme regler som for den ordinære eksamen
Samme grundlag som 1. forsøg. Den studerende har mulighed for at redigere det skriftlige produkt, hvis reeksamen skyldes at tidligere forsøg ikke er bestået.