Formålet med valgfaget er at give de studerende praktiske færdigheder og teoretisk forståelse for kunstig intelligens, maskinlæring og data-science. De studerende lærer at identificere problemstillinger der ikke kan løses med traditionelle softwareteknikker, samt designe og implementere AI-baserede løsninger.
Ved gennemførelse af valgfaget forventes den studerende at kunne:
• Anvende principperne bag kunstig intelligens til at løse relevante case-baserede
problemstillinger.
• Vurdere hvilke typer af AI-modeller der er mest hensigtsmæssige i konkrete situationer.
• Arbejde systematisk med dataindsamling, dataforberedelse, modeludvikling og evaluering.

Den studerende opnår viden om:
• Centrale problemområder inden for kunstig intelligens, herunder diskriminativ AI, generativ AI og metaheuristisk søgning.
• De mest udbredte metoder og algoritmer inden for maskinlæring (herunder supervised,
unsupervised, reinforcement learning, og genetiske algoritmer).
• Typiske faldgruber i AI-projekter, eksempelvis datastrukturers betydning, etiske overvejelser samt bias i data og modeller.
• Relevante evalueringsmetoder, herunder performance metrics, der bruges til at vurdere en
models effektivitet.
Derudover vil den studerende kunne reflektere over spørgsmål som:
• Hvad definerer kunstig intelligens, og hvornår bør AI-modeller bruges i stedet for klassisk
softwareudvikling?
• Hvilken type data og model kræves for at løse en konkret problemstilling mest effektivt?
• Hvordan vurderes og dokumenteres det, om en AI-model er ’god nok’ i praksis?

Den studerende vil udvikle færdigheder til at:
• Identificere og implementere relevante modeller (fx neurale netværk, beslutningstræer,
clustering-algoritmer, etc.).
• Klargøre og transformere data (feature engineering, datascaling, håndtering af manglende
værdier, etc.) med henblik på modeltræning.
• Optimere modeller for at håndtere overfitting og underfitting, herunder brug af
regulariseringsmetoder, hyperparameter-tuning og cross-validation.
• Benytte performance metrics til at evaluere og sammenligne forskellige modeller.
• Formidle resultater og konklusioner på en videnskabelig og struktureret måde – både i skriftlig og mundtlig form.

Den studerende vil opnå kompetencer til at:
• Anvende kunstig intelligens som et redskab i forskning og udvikling, herunder løse problemer, der ikke er mulige at håndtere med traditionel software.
• Planlægge og gennemføre AI-projekter ved brug af den videnskabelige metode, fra
problemidentifikation og dataindsamling til eksperimentel evaluering.
• Formulere forskningsspørgsmål, opstille hypoteser samt vurdere resultater ud fra relevante
nul-hypoteser.
• Inkorporere resultater fra videnskabelige artikler og relevante kilder i egne projekter, så de
studerende kan underbygge løsninger med dokumenteret viden.