Kompetenceprofil for Kunstig Intelligens og Data

Bacheloruddannelsen i teknisk videnskab er en forskningsbaseret, ingeniørfaglig grunduddannelse, der kvalificerer til videre studier på kandidatniveau. Bacheloren skal have en solid grundfaglighed inden for teknisk videnskab, IT og naturvidenskab og være i stand til at forstå og anvende matematiske og fysiske principper og metoder.

Bacheloren skal have forståelse for et specifikt teknologisk områdes teoretiske grundlag, begreber og modeller, kunne arbejde med abstrakte formuleringer og problemstillinger samt anskue en kompleks sammenhæng ud fra forskellige synsvinkler. Bacheloren skal have et solidt kendskab til grundlæggende standardmetoder til at løse idealiserede problemstillinger inden for det matematiske og naturvidenskabelige stof, og bacheloren skal kunne benytte det til at løse delproblemer i en ingeniørmæssig sammenhæng.

Bacheloren skal kunne kombinere forskningsbaseret og praktisk viden til at finde egnede teknologiske løsninger, stille forslag om implementering af dem og foretage en overordnet vurdering af deres brugbarhed under hensyntagen til etiske, økonomiske, samfunds- og miljømæssige forhold. Bacheloren skal have indsigt i de typer af viden og kompetencer, som ingeniørfagene bygger på, og kunne anskue teknologiske løsninger i et bredt, samfundsmæssigt perspektiv.
 
Uddannelsen medvirker desuden til at udvikle sociale og kommunikative kompetencer, så bacheloren bliver i stand til at udnytte den faglige viden i samarbejde med andre.

Det primære formål med bacheloruddannelsen er at kvalificere den studerende til at gennemføre en kandidatuddannelse enten på DTU eller på et andet dansk eller udenlandsk universitet.

Mål for læringsudbytte

Målene for læringsudbytte omfatter generelle mål for læringsudbytte, der er fælles for hele bacheloruddannelsen på DTU, og retningsspecifikke mål for læringsudbytte, der gælder den enkelte bacheorretning.

Generelle mål for læringsudbytte 

En bachelor i teknisk videnskab fra DTU

  • kan kombinere forskningsbaseret og praktisk viden til at finde egnede teknologiske løsninger, og se dem i en samfundsmæssig kontekst
  • har et solidt kendskab til grundlæggende matematiske og naturvidenskabelige standardmetoder, der kan bruges til at vurdere og løse idealiserede tekniske problemstillinger
  • besidder generel viden om teknologiens rolle i forhold til bæredygtighed og dens betydning for fremtidens ingeniørfaglige løsninger
  • har viden om basale begreber for programmeringssprog og kan løse og dokumentere mindre programmeringsopgaver
  • har en basal forståelse af ingeniørfagets videnskabsteori og identificerer problemstillinger, der indgår i moderne ingeniørarbejde
  • har kendskab til fagets informationsstrukturer og fagrelevante informationskilder og kan udføre relevant og kritisk informationssøgning
  • kan formidle teknisk information, teorier og resultater både grafisk, skriftligt og mundtligt og er i stand til at fremlægge det for forskellige grupper af interessenter
  • er i stand til selvstændigt at tilegne sig ny viden og forholde sig kritisk til tilegnet viden
  • behersker en teknisk fagterminologi på både dansk og engelsk og kan benytte denne i et formidlingsperspektiv på begge sprog
  • kan ud fra en selvstændig faglig tilgang bidrage til teknisk problemløsning gennem projektarbejde på egen hånd såvel som i samarbejde med andre

Retningsspecifikke mål for læringsudbytte

En bachelor i Kunstig Intelligens og data:

  • kan anvende en Python-baseret værktøjskasse til løsning af AI-opgaver. F.eks. en personlige assistent / chatbot, objektgenkendelse i lyd eller billeddata, genkendelse af emotioner i tekst data, styring af drone, modelbil, computerspil, evaluering af undervisning, søgemaskinefunktioner i sundhedsdata
  • kan designe og implementere intelligente systemer, herunder effektive algoritmer med henblik på real-time anvendelser eller data analyse
  • kan anvende univariat statistik og metoder fra eksperimentelt design (A/B-test) til evaluering af AI
  • har viden om basale repræsentationer for billeder, lyd, og tekst. Kan anvende det sansedes matematik, herunder signaler som vektorer, basis funktioner, filtre til fremhævning af objekter og deres placering (konvolution) og varians-komponenter. Har viden om naturlige signaler
  • kan anvende basale machine learning metoder til supervised og unsupervised learning. Har viden om læringsprocessen og kan evaluere et implementeret system
  • har viden om kausale modeller, begrænsninger og muligheder i observationelle data, intervention og eksperimentelt drevet design.
  • har viden om informationsbehandling i menneskets hjerne, herunder perception, hukommelse, beslutningsprocesser, emotioner og styring af bevægelser. Kan anvende modelbaseret styring og kontrol. Har viden om mål-drevet læring og optimering, herunder dynamisk programmering
  • kan evaluere et AI systems funktion og etiske dimensioner som privacy, værdier, stereotyper og dilemmaer
  • har viden om symbolske metoder til kunstig intelligens som opererer med eksplicitte – sproglige eller logiske – modeller af omverden
  • kan anvende symbolske metoder indenfor søgning, vidensrepræsentation, planlægning, spil, multi-agent systemer, social intelligens.
  • Har viden om relationen mellem symbolske metoder og machine learning.