Frühling 2026
MIK-1014 Praktisk KI - 2.5 stp

Type of course

Emnet er asynkront: Siden emnet er bygd opp av ferdiginnspilte videoer, er undervisninga ikke knyttet til spesifikke tidspunkter. Emnet kan dermed tas på hvilket som helst tidspunkt i semestrene. Gis både høst og vår.

Admission requirements

Generell studiekompetanse. Søknadskode: 9199.

Course overlap

Du vil få en reduksjon i antall studiepoeng (som oppgitt under), dersom du avlegger eksamen i dette emnet og har bestått følgende emne(r) fra før av:

INF-1600 Introduksjon til kunstig intelligens, KI 2.5 stp

Course content

Emnet gir en innføring i moderne KI-metoder, spesielt hvordan maskinlæring fungerer og hva som må tas i betraktning for å iverksette det i ulike profesjonelle sammenhenger. Vi utforsker nøkkeltemaer som KI-etikk, bærekraft, hvordan vedlikeholde KI-systemer, og begrensninger for hva som er mulig. Emnet vil lære deg å ta informerte beslutninger om å adoptere og håndtere KI-løsninger effektivt og ansvarlig.

Objective of the course

Kunnskaper - studenten kan …

  • Forstå grunnleggende prinsipper bak moderne maskinlæringsteknologier og KI-systemer.
  • Identifisere viktige praktiske, etiske og bærekraftige hensyn ved implementering av KI i ulike arbeidsmiljøer.

Ferdigheter - studenten kan …

  • Vurdere og planlegge hvordan KI-teknologi best kan integreres i eget arbeid, arbeidsplass eller virksomhet.
  • Analysere kritisk og håndtere utfordringer knyttet til anskaffelse, vedlikehold og skalering av KI-systemer.

Generell kunnskap - studenten vil …

  • Beskrive hvordan KI påvirker beslutningstaking og effektivitet innenfor ulike faglige og praktiske sammenhenger.
  • Reflektere over de sosiale, regulatoriske og etiske konsekvensene av KI, og bidra til ansvarlig bruk og innovasjon.
  • Gjenkjenne og vurdere begrensninger og risikoer knyttet til praktisk bruk av KI-teknologi.

Language of instruction and examination

Norsk

Teaching methods

Videoforelesninger (opptak) knyttet til hver fagmodul i kurset. Selvstendig labarbeid og frivillige oppgaver knyttet til fagmoduler.

  • Videoforelesninger / moduler i canvas: Inntil 14 timer
  • Egenstudium/Oppgaveløsning: 50 timer

Schedule

Eksamen

Vurderingsform: Karakterskala:
Mappevurdering Bestått – Ikke bestått
UiTs samleside om eksamen

More info about the portfolio

Eksamen bestående av én flervalgsoppgave (Multiple Choice).

For flervalgsoppgaven hentes en gitt mengde spørsmål tilfeldig fra spørsmålsbanker. Det kreves minimum 85% riktig svar for å få eksamen bestått.


Re-sit examination

Det tilbys ikke kontinuasjonseksamen i emnet.
  • Earlier years and semesters for this topic