Skriv ut som pdf om du vill ha en pdf! Om du vill ha en snyggare utskrift, klicka bort webbläsarens automatiskt tillagda sidhuvud och sidfot.

Blekinge Tekniska Högskola
Institutionen för teknik och estetik

Revision: 1
Dnr: BTH-4.1.14-0646-2024


Kursplan

Tillämpad generativ AI

Applied generative AI

6 högskolepoäng (6 credits)

Kurskod: DV1712
Huvudområde: Datavetenskap, Medieteknik
Utbildningsområde: Tekniska området
Utbildningsnivå: Grundnivå
Fördjupning: G1F - Grundnivå, har mindre än 60 hp kurs/er på grundnivå som förkunskapskrav

Undervisningsspråk: Undervisningen ges på engelska
Gäller från: 2024-08-15
Fastställd: 2024-08-15

1. Beslut

Denna kurs är inrättad av dekan 2024-04-30. Kursplanen är fastställd av prefekten vid institutionen för teknik och estetik 2024-08-15 och gäller från 2024-08-15.

2. Förkunskapskrav

För tillträde till kursen krävs minst 30 avklarade högskolepoäng inom huvudområdet datavetenskap eller medieteknik.

3. Syfte och innehåll

3.1 Syfte

Syftet med kursen är att studenten ska utforska grunderna i generativ AI och stora språkmodeller (LLMs) med ett praktiskt fokus. I kursen behandlas skapandet av text, bilder och andra utdata av dessa modeller. Studenten undersöker funktioner, arkitektur, träningsprocesser och praktiska implementationsmetoder.

3.2 Innehåll

Kursen innehåller följande moment:

  • Introduktion till AI med fokus på neurala nätverk och generativ AI
  • Översikt av olika applikationer (textgenerering, mediasyntes, kodgenerering, datasyntes)
  • Historia och trender, konkurrerande forskningstrender inom området
  • Grundläggande mekanismer och koncept för generativ AI och LLMs
  • Tokenisering, inbäddningar, uppmärksamhetsmekanism, transformer-arkitektur, zero-shot och few-shot lärande, grundmodeller, självövervakat lärande, multimodal interaktion
  • Finjustering och implementation
  • Användning av open-source verktyg och bibliotek för text- och mediagenerering
  • Tekniker för finjustering av modeller för specifika uppgifter
  • Implementeringsprocess för generativa AI-modeller
  • Praktiska applikationer och fallstudier
  • Fallstudier om framgångsrika implementeringar av generativ AI
  • Förbättring av digitala upplevelser med AI-genererat innehåll
  • Etiska överväganden och ansvarsfull AI
  • Fördomar och andra begränsningar med generativ AI
  • Etiska implikationer av generativ AI
  • Juridiska utmaningar och samhälleliga konsekvenser

4. Lärandemål

Följande lärandemål examineras i kursen:

4.1. Kunskap och förståelse

Efter genomförd kurs ska studenten kunna:

  • förstå grunderna i generativ AI och LLMs
  • förstå arkitekturerna och träningsprocesserna för LLMs
  • förstå trender och potentiella framtida förändringar inom generativ AI

4.2. Färdighet och förmåga

Efter genomförd kurs ska studenten kunna:

  • visa praktisk erfarenhet av att sätta upp miljöer för att använda open-source modeller
  • använda tekniker för finjustering och implementering av generativa AI-modeller
  • tillämpa teoretiska kunskaper i praktiska projekt och laboratorier
  • redogöra för trender och potentiella framtida förändringar inom generativ AI

4.3. Värderingsförmåga och förhållningssätt

Efter genomförd kurs ska studenten kunna:

  • kritiskt bedöma påverkan och begränsningar av generativ AI och LLMs
  • utvärdera etiska implikationer och utveckla ansvarsfulla AI-praktiker
  • självständigt och kritiskt utvädra sina kreativa och estetiska tillämpningar av generativ AI

5. Läraktiviteter

Kursen inkluderar föreläsningar, övningar, laborationer och projekt. Föreläsningarna ger de teoretiska grunder som är nödvändiga för att förstå kursen. Övningar, laborationer och projekt erbjuder praktisk tillämpning av teoretiska koncept, med gruppbaserade projekt och laborationsarbete. Kursen kräver också att studenterna använder sina problemlösningsförmågor för att hantera utmaningar som uppstår under lärandeaktiviteterna.

6. Bedömning och examination

Examinationsmoment för kursen

Kod Benämning Omf. Betyg
2505 Inlämningsuppgift 1,5 hp GU
2515 Projekt 3 hp AF
2525 Salstentamen 1,5 hp AF

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

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

Kursmatrial från institutionen