Tentalabbet

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.

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

Vem läser kursen?

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
Kursplanen på Studieinfo ↗