spring 2026
MIK-1014 Praktisk KI - 2.5 stp

  1. Homepage
  2. Course catalogue
  3. Praktisk KI

Type of course

Emnet er asynkront: Siden emnet er bygd opp av ferdiginnspilte videoer, er undervisninga ikke knyttet til spesifikke tidspunkter. Emnet kan dermed tas på hvilket som helst tidspunkt i semestrene. Gis både høst og vår.

Admission requirements

Generell studiekompetanse. Søknadskode: 9199.

Course overlap

Du vil få en reduksjon i antall studiepoeng (som oppgitt under), dersom du avlegger eksamen i dette emnet og har bestått følgende emne(r) fra før av:

INF-1600 Introduksjon til kunstig intelligens, KI 2.5 stp

Course content

Emnet gir en innføring i moderne KI-metoder, spesielt hvordan maskinlæring fungerer og hva som må tas i betraktning for å iverksette det i ulike profesjonelle sammenhenger. Vi utforsker nøkkeltemaer som KI-etikk, bærekraft, hvordan vedlikeholde KI-systemer, og begrensninger for hva som er mulig. Emnet vil lære deg å ta informerte beslutninger om å adoptere og håndtere KI-løsninger effektivt og ansvarlig.

Objective of the course

Kunnskaper - studenten kan …

  • Forstå grunnleggende prinsipper bak moderne maskinlæringsteknologier og KI-systemer.
  • Identifisere viktige praktiske, etiske og bærekraftige hensyn ved implementering av KI i ulike arbeidsmiljøer.

Ferdigheter - studenten kan …

  • Vurdere og planlegge hvordan KI-teknologi best kan integreres i eget arbeid, arbeidsplass eller virksomhet.
  • Analysere kritisk og håndtere utfordringer knyttet til anskaffelse, vedlikehold og skalering av KI-systemer.

Generell kunnskap - studenten vil …

  • Beskrive hvordan KI påvirker beslutningstaking og effektivitet innenfor ulike faglige og praktiske sammenhenger.
  • Reflektere over de sosiale, regulatoriske og etiske konsekvensene av KI, og bidra til ansvarlig bruk og innovasjon.
  • Gjenkjenne og vurdere begrensninger og risikoer knyttet til praktisk bruk av KI-teknologi.

Language of instruction and examination

Norsk

Teaching methods

Videoforelesninger (opptak) knyttet til hver fagmodul i kurset. Selvstendig labarbeid og frivillige oppgaver knyttet til fagmoduler.

  • Videoforelesninger / moduler i canvas: Inntil 14 timer
  • Egenstudium/Oppgaveløsning: 50 timer

Schedule

Schedule

Examination

Examination: Date: Grade scale:
Mappevurdering 19.06.2026 14:00 (Hand in) Pass – fail
UiT Exams homepage

More info about the portfolio

Eksamen bestående av én flervalgsoppgave (Multiple Choice).

For flervalgsoppgaven hentes en gitt mengde spørsmål tilfeldig fra spørsmålsbanker. Det kreves minimum 85% riktig svar for å få eksamen bestått.

Re-sit examination

Det tilbys ikke kontinuasjonseksamen i emnet.
  • Earlier years and semesters for this topic