Semesters

KIP103 Maskinlæring

Course code: 
KIP103
Duration: 
1 semester
Credits (ECTS): 
5
Level of study: 
Foundation level (bachelor’s degree level)
Teaching semester: 
2026 Spring
Assessment semester: 
2026 Spring
Language of instruction: 
Norwegian
Required prerequisite knowledge

Ingen. 

Course content

Emnet gir ein innføring i ulike maskinlæring som underdisiplin av kunstig intelligens (KI). Studenten får eit oversyn over potensiale og moglegheiter til ulike maskinlæringsmetodar, inkludert deira struktur, funksjon og bruksområde.

Emnet vil presentere både teori og gi ein innføring i praktisk bruk. Studenten vil gjennomføre sitt eige prosjekt i maskinlæring, frå idefasen til vedlikehald. I dette prosjektet skal studenten velje modell, finne og ta i bruk relevante data for å trene modellen og gjere vurderingar om bruk av modellen.

Learning outcome

I samsvar med det nasjonale kvalifikasjonsrammeverket har studenten følgjande læringsutbytte etter fullført emne:

Learning outcome knowledge

Studenten skal ha

  • kunnskap om dei grunnleggande ideane bak maskinlæring
  • kunnskap om sentrale omgrep som: Maskinlæring, djup læring, og neurale nettverk
  • kjennskap til grunnleggande og avanserte modellar for maskinlæring og deira verkemåte
  • kunnskap om ulike verktøy for å implementere maskinlæring
  • kunnskap om arbeidsmetodar for utvikling og bruk av maskinlæring
Learning outcome skills

Studenten skal kunne

  • kunne reflektere kritisk kring val av maskinlæringsmetodar
  • analysere og evaluere prestasjonen til ulike maskinlæringsmetodar
  • ta i bruk ulike metodar for maskinlæring på reelle datasett
  • planlegge og administrere korte utviklingsprosjekt om maskinlæring
Learning outcome qualification

Studenten skal

  • kunne utvikle eigne idear om maskinlæring til prosjekt
  • kunne kritisk vurdere etiske aspekt og konsekvensar av maskinlæring
Working and learning activities

Emnet er samlingsbasert ved Høgskulen i Volda, og arbeidsmåtar i emnet vil variere mellom forelesing, diskusjon, oppgåveløysing, og sjølvstendig arbeid. Studenten vil få oppfølging og tilbakemelding på prosjektet. Detaljar vil gå fram av semesterplanen. Det vil bli gitt forarbeid og etterarbeid til kvar samling.

Assessment requirements

Frammøtekrav:

Det er obligatorisk deltaking i alle undervisnings- og arbeidsformer knytt til emnet jfr. Forskrift om opptak, studium og eksamen ved Høgskulen i Volda §6-6. For å kunne stille til eksamen må studenten ha godkjent oppmøte og deltaking på minimum 80% av undervisning i emnet

Arbeidskrav:

 

Evaluation system

Sensur vert gjennomført i samsvar med Forskrift om opptak, studium og eksamen ved Høgskulen i Volda, § 9-4.

Evaluation

Emnet vert evaluert i samsvar med HVO sitt kvalitetssystem.

Minimum number of students: 
5
Maximum number of students: 
50
Used in other programs
  • Artificial Intelligence in Practice
VurderingsformGrupperingVarighetKarakterskalaAndelKommentarHjelpemidlerOmfang
Portfolio
Individual
1 Semester
Pass / fail
100 %
Studentane vil bli gitt ei detaljert skildring i semesterplanen.