Grundläggande programmering i Python och artificiell intelligens
Basic programming in Python and artificial intelligence
Om kursplanen
Betygsskala
Kursens moduler
Inplacering
Kursen ges som en fristående kurs.
Huvudområde med fördjupning
Behörighetskrav
För tillträde till kursen krävs genomgångna kurser i matematik (inklusive linjär algebra) motsvarande minst 15 hp samt i fysik motsvarande minst 15 hp.
Innehåll
Kursen kan ingå som en första del inom artificiell intelligens med Python och riktar sig även till verksamma lärare inom ramen för professionsprogrammet.
Kursen behandlar:
- grundläggande begrepp och byggstenar inom programmeringsspråket Python, inklusive sekvens, alternativ, villkor, upprepning och funktioner,
- tillämpningar inom artificiell intelligens, maskininlärning och neurala nätverk (så kallad AI i vardagsspråk),
- koppla programmering i Python till artificiell intelligens och visa hur språket används som verktyg i enkla AI-applikationer, samt hur dessa kan introduceras i undervisning på gymnasie- och högstadienivå
- algoritmiskt tänkande,
- läsa, förstå, skapa, felsöka, testa och förbättra programkod,
- problemlösning med hjälp av programmering,
- programmering som stöd i problemlösning och modellering på nivå för gymnasiet eller högstadiet,
- grundläggande programmeringsmetoder och deras implementering i programmeringsspråket Python,
- grundläggande syntax, uttryck, datatyper och kontrollflöden för Python,
- vanliga programmeringsmönster och algoritmer samt tilläggspaket för grundläggande hantering och visualisering av data, inklusive introduktion till hur data struktureras och används i enklare maskininlärningssammanhang,
- skriva och organisera program på ett effektivt sätt,
- orientering i relevant ämnesdidaktisk forskning för tillämpning av programmering i Python samt AI inom ämnet fysik.
Mål
Efter godkänd kurs ska studenten kunna:
Kunskap och förståelse
- beskriva vad som menas med programmering i allmänhet och Python specifikt,
- använda en grunduppsättning av de vanligaste Python-kommandona,
- beskriva programmeringsbegrepp som t. ex. vad är en kontrollstruktur, variabel etc,
- redogöra för vilka tilläggspaket det finns till Python och vad dessa kan erbjuda,
- relatera hur matematik samt fysik eller teknik på grundnivå hanteras i Python,
- grundläggande tillämpningar inom artificiell intelligens, maskininlärning och neurala nätverk (AI i vardagsspråk), med fokus på begrepp, exempel och pedagogiska illustrationer som förbereder för vidare studier inom området,
Färdigheter och förmåga
- tillämpa metoder för att skapa program i textbaserad miljö och kunna reflektera över arbetssätt med programmering,
- skapa enklare program utifrån problemställningar inom AI,
- läsa, förstå, felsöka, testa och förbättra enklare program,
- utveckla och motivera metoder för att använda programmering och enkla AI-tillämpningar i sin undervisning, inklusive att identifiera relevanta moment och innehåll i kurs- och ämnesplaner där dessa utgör ett pedagogiskt stöd,
- demonstrera hur programmering via Python kan användas i en undervisningssituation och kan introduceras för elever,
- visa på hur programmeringsspråket Python, via algoritmer, kan användas för att lösa problem inom olika tillämpningsområden inom AI,
Värderingsförmåga och förhållningssätt
- bedöma vilka fördelar och nackdelar det finns med att använda Python,
- argumentera för vilka risker det innebär att förlita sig på numeriska datorberäkningar,
- orientera sig i relevant ämnesdidaktisk forskning för att använda programmering i sin undervisning,
- reflektera över etiska aspekter och risker med användning av artificiell intelligens och programmering, särskilt i relation till undervisning, bedömning och elevers lärande,
- Om vi har kompetensen vore också följande attraktivt utifrån professionsprogrammet: reflektera över hur programmerings- och AI-relaterade uppgifter kan utformas och bedömas i undervisning på gymnasie- eller högstadienivå.
Hållbarhetsmärkning
Former för undervisning
Praktiska övningar och genomgång av grundläggande begrepp inom maskininlärning med Python sker i normalfallet via digitala träffar på distans. Det mesta av arbetet förväntas studenterna klara av självständigt och kollegialt mellan kursträffarna. Support sker på distans via lärplattformen och via digitala träffar. Studenterna förutsätts ha tillgång till egen bärbar persondator. Arbetet i kursen består av föreläsningar, praktiskt arbete och laborationer. Ett större projekt ingår i kursen.
Examinationsformer
Kursen examineras i projektform med muntliga och skriftliga inslag. Kursträffarna innehåller examinerande moment som krävs för att bli godkänd på kursen.
Del 1. Projekt, 4,5 hp.
Betygsskala: Väl godkänd (VG), Godkänd (G), Underkänd (U)
Del 2. Laborationsuppgifter, 3 hp.
Betygsskala: Godkänd (G), Underkänd (U)
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.
Betyg
På kursen ges något av betygen Väl godkänd (VG), Godkänd (G) och Underkänd (U).
För betyg VG på hela kursen krävs betyg VG i del 1 "Projekt" samt betyg G i del 2 "Laborationsuppgifter".
För betyg G på hela kursen krävs betyg G i motsvarande examinationsmoment för ovan nämnda delar.
Kursvärdering
Resultatet och eventuella förändringar i kursens upplägg ska förmedlas både till de studenter som genomförde värderingen och till de studenter som ska påbörja kursen.