DV1741 - Artificiell intelligens: teori och praktik

1. Beslut

Denna kurs är inrättad av dekan 2026-05-27. Kursplanen är fastställd av prefekten vid institutionen för datavetenskap 2026-09-22 och gäller från 2026-09-22.

2. Förkunskaper

2.1 Behörighetskrav

För tillträde till kursen krävs 12 avklarade högskolepoäng (hp) i programmering och 6 avklarade hp i datastrukturer och algoritmer.

3. Syfte och innehåll

3.1 Syfte

Syfte: Kursen syftar till att ge grundläggande kunskaper i artificiell intelligens (AI) samt utveckla studentens förmåga att analysera, implementera och utvärdera enklare AI‑baserade lösningar. Kursen bygger vidare på tidigare kunskaper i programmering och algoritmer och behandlar både klassiska metoder inom maskininlärning och introducerar moderna AI‑tekniker, såsom generativ AI. Vidare syftar kursen till att utveckla ett kritiskt förhållningssätt till AI‑system med avseende på tillförlitlighet, begränsningar och etiska aspekter.

3.2 Innehåll

Kursen introducerar grundläggande teori om AI, maskininlärning samt moderna AI-paradigmer. Studenterna introduceras också för hur man implementerar lösningar mot och arbetar med moderna AI-paradigmer genom praktiskt arbete, samt relaterade säkerhets- och etiska risker.

4. Lärandemål

Följande lärandemål examineras i kursen:

4.1. Kunskap och förståelse

Efter genomförd kurs ska studenten kunna:

förklara teori för hur grundläggande AI och ML system fungerar.

4.2. Färdighet och förmåga

Efter genomförd kurs ska studenten kunna:

arbeta effektivt med olika AI verktyg.
implementera enklare lösningar som använder generativa AI komponenter.

4.3. 4\.3. Värderingsförmåga och förhållningssätt

Efter genomförd kurs ska studenten kunna:

självständigt och kritiskt värdera AI-lösningar med avseende på möjligheter och risker med AI.

5. Läraktiviteter

Kursen ges som en campuskurs vilket inkluderar följande läraktiviteter: föreläsningar, inlämningsuppgifter, diskussionsseminarier kopplade till inlämningsuppgifterna, samt ett projekt som genomförs i mindre grupper. Kursen utnyttjar BTH:s lärandeplattform för att distribuera kursinnehåll, till exempel uppgifter, samt för att samla in inlämningar. Utöver detta kan även andra mjukvaruhjälpmedel användas i kursen.

6. Bedömning och examination

Examinationsmoment för kursen

Kod	Benämning	Omf.	Betyg
2705	Salstentamen	1,5 hp	GU
2715	Seminarium	2 hp	GU
2725	Projekt	4 hp	AF

Kursen bedöms med betygen A Utmärkt, B Mycket bra, C Bra, D Tillfredställande, E Tillräckligt, FX Underkänd, något mer arbete krävs, F Underkänd.

Examinator har möjlighet att muntligen följa upp skriftliga examinationer.

I kurstillfällets information inför kursstart framgår i vilka examinationsmoment som kursens lärandemål examineras samt gällande bedömningsgrunder.

Examinator kan, efter samråd med högskolans FUNKA-samordnare, fatta beslut om anpassad examinationsform för att en student med varaktig funktionsvariation ska ges en likvärdig examination jämfört med en student utan funktionsvariation.

7. Kursvärdering

Kursvärdering ska göras i enlighet med BTH:s beslut om frågeställning i kursvärderingar och beslut om process för hantering och uppföljning av kursvärderingar.

8. Begränsningar i examen

Kursen kan ingå i examen men inte tillsammans med annan kurs vars innehåll, helt eller delvis, överensstämmer med innehållet i denna kurs.

9. Kurslitteratur och övriga lärresurser

Chip Huyen, AI Engineering: Building Applications with Foundation Models, 2025, ISBN-10: 1098166302