KIUA2000 Interaktiv simulering
- EmnekodeKIUA2000
- Studiepoeng10
- Undervisningssemestre2026 Vår
- UndervisningsspråkNorsk/Engelsk
- UndervisningsstedHamar
- Forkunnskapskrav
Ingen
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:
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
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
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
Emnet gjennomføres som en kombinasjon av forelesninger, praktiske øvelser, selvstudium og veiledning.
- 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.
Vurderingsordning | Karakterskala | Gruppe/individuell | Varighet | Hjelpemidler | Andel | Kommentar |
---|---|---|---|---|---|---|
Skriftlig eksamen med muntlig justerende | ECTS - A-F | Gruppe |
| 100 |
- 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