Introduktion till Data science och AI

Kursen kan ingå i följande program:

1. Datavetenskapligt program (N1COS)
2. Computer Science, Master's Programme (N2COS)
3. Software Engineering and Management masterprogram (N2SOF)
4. Matematikprogrammet (N1MAT)
5. Matematiska vetenskaper, masterprogram (N2MAT)

Kursen ges även som fristående kurs vid Göteborgs Universitet.

För att vara behörig till kursen ska studenten ha:

• 7,5 hp i grundläggande matematik (innehållande exempelvis analys, linjär algebra och/eller diskret matematik) eller i tillämpad matematiskt tänkande (DIT025 eller motsvarande).
• 7,5 hp i matematisk statistik (exempelvis MSG810 eller DIT862 eller DIT278 eller motsvarande), eller kursen DIT022.
• 7,5 hp i programmering i ett generellt programmeringsspråk (t. ex. C/C++/Java/Python/Haskell eller liknande).

Följande kunskapsnivå i Engelska krävs; Engelska 6/Engelska B eller motsvarande från ett erkänt internationellt test, t.ex. TOELF, IELTS.

Under kursens gång kommer ett brett urval av metoder för Data Science och AI att presenteras. Kursen delas in i tre delar:

Introduktion till data science

• Implementation av data science-lösningar med hjälp av Python, grundläggande data-analys och visualisering.
• Introduktion av data science-processen, och lämplig metodik.
• Exempel på kärnmetoder inom data science med fallstudier såsom inom klustring, klassificering och regression.
• Data science satt i sitt sammanhang med avseende på etik, gällande bestämmelser och begränsnigar.

Statistiska metoder för data science och AI

• Introduktion till några vanliga stokastiska modeller med exempel på tillämpningar inom data science och AI (t ex naive Bayes klassiciering, ämnesmodeller (topic models) av text, och dolda Markovmodeller för sekvensdata)

Artificiell Intelligens

• Introduktion till klassisk AI och maskininlärning, inklusive förhållandet till relaterade områden såsom algoritmer och optimering, och AI-filosofi.
• Exempel på metoder och tillämpningar inom såväl klassisk AI (t ex kunskapsrepresentation och heuristisk sökning) som ML (t ex neurala nätverk, beslutsträd, reinforcement learning).
• Diskussion kring etik och samhällspåverkan av AI.

Efter godkänd kurs ska studenten kunna:

Kunskap och förståelse

• beskriva grundläggande problemtyper och tillvägagångssätt inom data science och AI;
• ge exempel på tillämpningar av data science och AI från olika sammanhang;
• ge exempel på hur stokastiska modeller och maskininlärning (ML) tillämpas inom data science och AI;
• förklara grundläggande begrepp inom klassisk AI, och förhållandet mellan logiska och datadrivna, ML-baserade tillvägagångssätt inom AI;
• kortfattat beskriva den historiska utvecklingen av AI, vad som är möjligt idag och diskutera möjliga framtida utvecklingen.

Färdigheter och förmåga

• använda lämpliga programmeringsbibliotek och tekniker för att implementera grundläggande transformationer, visualiseringar och analyser av exempeldata;
• identifiera lämpliga typer av analysproblem för några konkreta data science- tillämpningar;
• implementera några typer av stokastiska modeller och tillämpa dem inom data science och AI tillämpningar;
• implementera och/eller använda AI-verktyg för sökning, planering och problemlösning;
• tillämpa enkla maskininlärningsmetoder implementerade i ett standardbibliotek.

Värderingsförmåga och förhållningssätt

• motivera vilka typer av statistiska metoder som är lämpliga for de vanligaste typerna av experiment inom data science tillämpningar;
• diskutera fördelar och nackdelar hos olika typer av tillvägagångssätt och modeller inom data science och AI;
• reflektera över inneboende begränsningar hos data science metoder och hur felanvändandet av statistiska tekniker kan leda till tvivelaktiga slutsatser;
• kritiskt analysera och diskutera data science och AI tillämpningar med avseende på etik, sekretess och samhällspåverkan; 
• uppvisa en reflekterande attityd i all inlärning.

Föreläsningar och seminarier samt inlämningsuppgifter som utförs i par. Vanligen ges en inlämningsuppgift per vecka.

Undervisningsspråk: engelska

Kursen examineras genom en salstentamen och obligatoriska inlämningsuppgifter. Obligatoriska föreläsningar och seminarier kan förekomma och kommer att annonseras i kurs-PM.

Om en student som har underkänts två gånger på samma examinerande moment önskar byta examinator inför nästa examinationstillfälle ska en sådan begäran bifallas om det inte finns särskilda skäl däremot (6 kap. 22 § HF).

Om en student har fått besked om pedagogiskt stöd från Göteborgs universitet med rekommendation om anpassad examination och/eller anpassad examinationsform kan examinator, i det fall det är förenligt med kursens lärandemål och förutsatt att inte orimliga resurser krävs, besluta att bevilja studenten anpassad examination och/eller anpassad examinationsform.

Om en kurs har avvecklats eller genomgått en större förändring ska studenten erbjudas minst två examinationstillfällen, utöver ordinarie examinationstillfälle. Dessa tillfällen fördelas under en tid av minst ett år, dock som längst två år efter det att kursen avvecklats/förändrats. Vad gäller praktik och verksamhetsförlagd utbildning (VFU) gäller motsvarande, men med begränsning till endast ett ytterligare examinationstillfälle.

Om en student har fått besked om att denne uppfyller kraven för att vara student vid Riksidrottsuniversitetet (RIU-student) har examinator rätt att besluta om anpassning vid examination, om detta görs i enlighet med Lokala regler gällande RIU-studenter vid Göteborgs universitet.

Delkurser

1. Skriftlig salstentamen, 3,5 hp
   Betygsskala: Godkänd (G) och Underkänd (U)
2. Inlämningsuppgifter, 4 hp
   Betygsskala: Godkänd (G) och Underkänd (U)

På kursen ges något av betygen Godkänd (G) och Underkänd (U).

Alla moduler ska vara godkända för att få ett godkänt betyg i helkurs.

Om student som underkänts två gånger på samma examinerande moment önskar byte av examinator inför nästa examinationstillfälle, ska sådan begäran inlämnas skriftligt till institutionen och bifallas om det inte finns särskilda skäl däremot (HF 6 kap § 22). I det fall en kurs har upphört eller genomgått större förändringar ska student garanteras minst tre examinationstillfällen (inklusive ordinarie examinationstillfälle) under en tid av minst ett år, dock som längst två år efter det att kursen upphört/förändrats. Vad avser praktik och VFU gäller motsvarande, men med begränsning till endast ett ytterligare examinationstillfälle.

Kursen är samläst med Chalmers.

Kursen ersätter kursen DIT407, 7,5 hp. Den här kursen kan inte ingå i en examen som innehåller DIT407 eller DIT852. Den kan inte heller ingå i en examen som bygger på en annan examen där DIT406 eller DIT407 eller DIT852 ingår.