KIUA2000 Interaktiv simulering

    • Studiepoeng
      10
    • Undervisningssemestre
      2026 Vår
    • Undervisningsspråk
      Norsk/Engelsk
    • Undervisningssted
      Hamar
    • Forkunnskapskrav

      Ingen

Emnets innhold

I emnet fordyper studentene seg i de grunnleggende konseptene for systemtenkning og hvordan maskinlæring kan brukes til å løse komplekse problemer. Emnet lærer studentene å forstå algoritmisk atferd, undersøke interaksjoner med miljøer og vanskelighetene med kausalitetskartlegging av dynamikken i nevrale nettverk. Studentene lære videre hvordan ML-teknikker kan brukes for å optimalisere simuleringer. Undervisningen vil bli levert som praktiske prosjekter, hvor studentene bruker AI-teknikker i forbindelse med simuleringsmodeller, simulerer og adresserer virkelige utfordringer i samfunnet. De får ferdigheter i nøkkelverktøy for simuleringsprogramvare, og optimaliserer simuleringsmodellene sine ved å bruke AI-drevne metoder. Emnet kulminerer i et omfattende hjørnesteinsprosjekt, som legger vekt på harmonisk integrasjon av AI og simulering for god problemløsning.

Læringsutbytte

Ved bestått emne har studenten oppnådd følgende læringsutbytte:

Kunnskap

Studenten har

  • god kunnskap om systemanalyse, dynamikk og maskinlæringsprinsipper
  • god kunnskap om komplekse systemer, utfordringer knyttet til modellering av disse systemene, og konvergensen av AI-teknikker med systemdynamikk for forbedret beslutningstaking og prediksjon
Ferdigheter

Studenten kan

  • integrere sømløst systemdynamikkmodeller med maskinlæringsalgoritmer, ved å bruke passende programvareverktøy for å analysere system-atferd og forutsi utfall
  • utføre sensitivitetsanalyser innenfor AI-kontekster, for eksempel i nevrale nettverk, for å forstå og vurdere påvirkningen av modellparametere på system-atferd
  • tolke simuleringsresultater fra et perspektiv av systemdynamikk og AI, og kan trekke ut innsikt basert på data, generert fra integrerte modeller
Generell kompetanse

Studenten kan

  • benytte systemdynamikk og AI-metodologier for å møte utfordringer i den virkelige verden
  • identifisere kompleks systemdynamikk og anbefale effektive datadrevne strategier for systemforbedring
  • kommunisere og samarbeide i tverrfaglige prosjekter, og sikre effektiv overføring av AI og systemdynamikk-konsepter til et bredt publikum
  • analysere og ta informerte beslutninger forankret i simuleringsresultater, ved å bruke den hybride tilnærmingen til systemdynamikk og AI for strategisk planlegging og policyformulering
Arbeids- og undervisningsformer

Emnet gjennomføres som en kombinasjon av forelesninger, praktiske øvelser, selvstudium og veiledning.

Arbeidskrav
  • 2 gruppeoppgaver

Obligatoriske arbeidskrav som er bestått er kun gyldig i 12 måneder. Studenter som ønsker å ta opp eksamener etter 12 måneder, må bestå de obligatoriske arbeidskravene på nytt ved neste ordinære gjennomføring av emnet. 

Vurdering
  • 1 prosjektbasert gruppeoppgave
  • 1 muntlig presentasjon som kan justere karakteren en hel karakter opp eller ned

Alle gruppedeltakere skal bidra inn på den muntlige presentasjonen. Ved gruppeeksamen står alle deltakere i gruppen ansvarlig for alt innhold i oppgaven/produktet/prestasjonen.

Oppgaven vurderes med graderte bokstavkarakterer fra A-F, der E er laveste ståkarakter.

Studentene kan velge hvilket språk som benyttes i egen gjennomføring av eksamen. Valg er bokmål, nynorsk eller engelsk.

 

Tillatte hjelpemidler:

  • Litteratur
  • Alle trykte og skrevne ressurser
  • Bruk av KI-generert tekst og innhold skal være avklart med faglærer, klart merket og akademisk begrunnet i besvarelsen
Vurderinger
VurderingsordningKarakterskalaGruppe/individuellVarighetHjelpemidlerAndelKommentar
Skriftlig med muntlig justerende
ECTS - A-F
Gruppe
  • Alle
100
Fakultet
Fakultet for audiovisuelle medier og kreativ teknologi
Institutt
Institutt for spillutdanninger - Spillskolen