Leren en Beslissen

Learning and Decision Making

Eigenaar	Bachelor Kunstmatige Intelligentie
Coördinator	dr. Hazel Doughty
Onderdeel van	Minor Kunstmatige Intelligentie, jaar 1Exchange Programme Faculty of Science, specialisation BSc Artificial Intelligence, jaar 1Bachelor Kunstmatige Intelligentie, jaar 2Bachelor Bèta-gamma, major Kunstmatige Intelligentie, jaar 3Bachelor Future Planet Studies, major Kunstmatige Intelligentie, jaar 3

Studiewijzer 2021/2022

Globale inhoud

Dit vak sluit direct aan op Leren. Technieken uit Leren worden hier in een praktische situatie toegepast. Studenten krijgen een probleem voorgelegd uit de praktijk en proberen met een team van vier in vier weken een zo goed mogelijke oplossing te vinden.

Deze begrippen dienen de studenten niet alleen te begrijpen, maar ook kunnen toepassen en aan de omstandigheden aan te kunnen passen.

Studiemateriaal

Overig

• Enkele handouts, beschikbaar via Canvas.

Leerdoelen

• Students are able to apply machine learning (ML) techniques to solve a practical problem
• Students are able to work together in a team and organize their own collaborations
• Students are able to identify the underlying AI tasks based on the requirements of stakeholders
• Students are able to clean and analyze the given data using scientific methods, then develop ML techniques to solve the tasks
• Students are able to make a clarified plan of their project, and execute the plan efficiently
• Students are able to present their progress and final solution orally in front of stakeholders, classmates, TAs and lecturers
• Students are able to summarize their solution and evaluate its usability in a written report

Onderwijsvormen

• Hoorcollege
• Presentatie/symposium
• Zelfstandig werken aan bijv. project/scriptie
• Begeleiding/feedbackmoment

Naast enkele hoorcolleges, werken studenten in projectgroepen. Verder zijn presentaties over de voortgang en een presentatie van de resultaten aan de opdrachtgever. Tijdens de praktische onderdelen is geen aanwezigheidsplicht.

Verdeling leeractiviteiten

Aanwezigheid

Aanwezigheidseisen opleiding (OER-B):

• Voor practica en werkgroepbijeenkomsten met opdrachten geldt een aanwezigheidsplicht. De invulling van deze aanwezigheidsplicht kan per vak verschillen en staat aangegeven in de studiewijzer. Wanneer studenten niet voldoen aan deze aanwezigheidsplicht kan het onderdeel niet met een voldoende worden afgerond.
  

Toetsing

Onderdeel en weging	Details
Eindcijfer

Fraude en plagiaat

Dit vak hanteert de algemene 'Fraude- en plagiaatregeling' van de UvA. Hier wordt nauwkeurig op gecontroleerd. Bij verdenking van fraude of plagiaat wordt de examencommissie van de opleiding ingeschakeld. Zie de Fraude- en plagiaatregeling van de UvA: http://student.uva.nl

Weekplanning

Rooster

Het rooster van dit vak is in te zien op DataNose.

Aanvullende informatie

Vereiste voorkennis: Basiskennis van Machine Learning, bijvoorbeeld in de vorm van het vak Leren, is verplichte voorkennis voor Leren & Beslissen.

Verwerking vakevaluaties

Hieronder vind je de aanpassingen in de opzet van het vak naar aanleiding van de vakevaluaties.

Contactinformatie

Coördinator

• dr. P. Jaini

Hazel Doughty     h.r.doughty@uva.nl