Bachelor - Kunstig Intelligens - Syddansk Universitet

Adgang til bacheloruddannelsen i kunstig intelligens forudsætter, at ansøgeren har gennemført en gymnasial eksamen (STX, HTX, HF, EUX, HHX) eller en tilsvarende udenlandsk eller international eksamen. I henhold til Adgangsbekendtgørelsen §5 er de specifikke adgangskrav følgende:

• Dansk niveau A


• Engelsk niveau B


• Matematik niveau A

Derudover skal ansøgere:

• have et karaktergennemsnit på mindst 7,0 i deres adgangsgivende eksamen, eller et gennemsnit på 7,0 i Matematik A, når de søger om optagelse i kvote 1;


• bestå en optagelsesprøve, når de søger om optagelse i kvote 2

Begrundelse for adgangskrav
Denne bacheloruddannelse kræver Matematik A for at den studerende kan klare matematik- og programmeringskurserne i uddannelsen.

Minimum to kandidatuddannelser som uddannelsen giver direkte adgang til
Denne bacheloruddannelse vil give direkte adgang til alle landets datalog-kandidatuddannelser. Den vil desuden give direkte adgang til følgende uddannelser:

• Computational Biomedicine, SDU


• Data Science, AU


• Cybersecurity, AAU


• Informationsteknologi, DTU


• Matematisk modellering og computing, DTU
  
  

Bachelordimittenden i kunstig intelligens vil have retskrav på at blive optaget på kandidatuddannelsen i datalogi på SDU.

Formålet er at uddanne dimittender med efterspurgte kompetencer indenfor kunstig intelligens. Dimittenderne vil være trænede i at anvende kunstig intelligens på aktuelle problemstillinger, og de vil have kompetencer indenfor hovedområderne under kunstig intelligens.

Dette er relevant på tværs at brancher og sektorer og i hele verden. Dimittender vil - med eller uden en kandidatgrad i datalogi - blive ansat som fx IT-specialist/-udvikler, konsulent, Business Intelligence analytiker, data analytiker eller Data Scientist. De vil blive ansat i små og store, regionale, nationale og internationale virksomheder og organisationer. Mange nye startups har også brug for denne ekspertise.

Dimittenderne vil blive ansat til at hjælpe virksomheder og organisationer med at forbedre og automatisere processer og beslutningsgrundlag. De vil blive ansat til at vurdere relevansen, anvendeligheden og gennemførligheden af værktøjer, der baserer sig på kunstig intelligens, samt at udvikle og implementere denne slags værktøjer. De vil også blive ansat til at evaluere tekniske, sociale og etiske konsekvenser ved at bruge kunstig intelligens.

Uddannelsens struktur er bygget op om de centrale fag i kunstig intelligens samt den nødvendige baggrund i matematik, programmering og computerteori. Diagrammet herunder opsummerer uddannelsens kompetenceområder.

1. semester
---------------

* Introduktion til programmering (7.5 ECTS)
Indhold: basale programmeringsbegreber og teknikker; programstruktureringsredskaber; fundamentale datastrukturer.
Mål: at kunne løse programmeringsopgaver ved brug af de grundlæggende programmeringskoncepter.

* Diskrete matematik (10 ECTS)
Indhold: introduktion til logik og bevisteknikker; talteori; matricer; grafer; relationer.
Mål: at kunne arbejde med en række matematiske værktøj, som skal bruges senere.

* Computerteori (7.5 ECTS)
Indhold: principper af computerarkitektur; introduktion til formelle sprog og formelle modeller.
Mål: at forstå hvordan computere er bygget; at kunne arbejde med abstrakte modeller.

* Studieintro (5 ECTS)
Indhold: introduktion til studiemiljø og studiegrupper; støtteværktøj (Linux, git, LaTeX).
Mål: at blive forberet på at læse på universitet; at lære at bruge relevante værktøj til uddannelse.

2. semester
--------------

* Objektorienterede programmering (7.5 ECTS)
Indhold: programmering i den objektorienterede model.
Mål: at kunne designe og implementere større programmer ved brug af objekter.

* Søgning og planlægning (7.5 ECTS)
Indhold: den intelligente agent; klassiske søgealgoritmer i kunstig intelligens; logisk modellering og planlægningsalgoritmer.
Mål: at kende og kunne anvende de klassiske teknikker i kunstig intelligens.

* Algoritmer og datastrukturer (7.5 ECTS)
Rekursion og rekursive strukturer; korrekthed og kompleksitetsanalyse af algoritmer; specialiserede datastrukturer.
Mål: at kunne designe, implementere og analysere algoritmer og datastrukturer, der er bedst egnet til konkrete programmeringsprojekter.

* Databasesystemer (7.5 ECTS)
Indhold: relationelle databaser; databasedesign; relationel algebra; SQL.
Mål: at kunne designe, implementere og arbejde med databaser.

3. semester
--------------

* Funktionel programmering (5 ECTS)
Indhold: funktionel programmering; højere orden funktioner; polymorfisme; funktorer og monads.
Mål: at kunne programmere i den funktionelle paradigme.

* Lineær algebra med anvendelser (7.5 ECTS)
Indhold: lineære ligningssystemer; matricer; vektorrum; lineære afbildinger og egenværdier; anvendelser i kunstig intelligens.
Mål: at udvikle matematiske færdigheder, som kræves til mere avancerede emner i kunstig intelligens (fx optimering).

* Introduktion til maskinlæring (7.5 ECTS)
Indhold: diskret sandsynlighedsteori; læringsteori; gennemførlighed af læring; overfitting; fejl, støj og bias; træning og testning.
Mål: at kunne anvende klassiske maskinlæringsalgoritmer til konkrete problemer.

* Etik og privathed (5 ECTS) [Kvartalkursus]
Indhold: grundlæggende it-etik; privathed og databeskyttelse; etik og algoritmer.
Mål: at kunne identificere og håndtere mulige etiske problemer i kunstig intelligens.

* Calculus (5 ECTS) [Kvartalkursus]
Indhold: funtionsbegrebet; reelle tal; differentiation og integration af funktioner af en og flere variabler.
Mål: at kunne anvende metoder og resultater indenfor differential- og integralregning, som skal bruges i senere kurser.

4. semester
--------------

* Vidensrepræsentation (7.5 ECTS)
Indhold: første orden logik (FOL), korrekthed, fuldstændighed og uafgørelighed; afgørelige subsystemer af FOL; ræsonneringsalgoritmer.
Mål: at kunne modellere den virkelige verden ved brug af logiske værktøj; at kunne anvende disse modeller til at udvikle intelligente agenter.

* Optimering (7.5 ECTS)
Indhold: lineær programmering; dualitetsætningen; heltalsprogrammering; skemaplanlægning og ruteplanlægning.
Mål: at kunne løse optimeringsproblemer ved at modellere dem i den passende formalisme og anvende de bedste metoder.

* Advancere maskinlæring (7.5 ECTS)
Indhold: principper af datamining; kontinuerlig sandsynlighedsteori; statistiske læringsmetoder.
Mål: at kunne anvende avancerede datamining- og statistiske læringsalgoritmer til konkrete problemer.

* Sociale aspekter (7.5 ECTS)
Indhold: samfundsmæssige og forretningsmæssige implikationer og risici ombring brug af kunstig intelligens
Mål: at forstå de socialle konsekvencer af brug af kunstig intelligens, og lære at tage hensyn til dem, i udvikling af intelligente systemer.

5. semester
--------------

* Computersyn (5 ECTS)
Indhold: principper af computersyn; deep learning; billedanalyse.
Mål: at kunne udvikle intelligente systemer, der kan interagere med miljøet via sensorer.

* Naturlig sprogbehandling (5 ECTS)
Indhold: neurale netværk; principper af naturlig sprogbehandling; algoritmer til at forstå og producere tekst.
Mål: at kende principperne for udvikling af intelligente systemer, der kan komunikere via naturlig sprog.

* Cybersikkerhed (10 ECTS)
Indhold: digitale certifikater; autentificering; netværk- og mailsikkerhed; metoder og redskaber til at sikre systemer, identificere intruders, og undgå uønsket adfærd.
Mål: at kende, kunne vælge mellem og anvende sikkerhedsprincipper og -teknikker i udvikling af intelligente systemer.

* Valgfrit kursus (10 ECTS)
Alle bachelorkurser på Det Naturvidenskabelige Fakultet, SDU, som ikke er obligatoriske på uddannelsen, er i princippet forhåndsgodkendt som valgfag på bacheloruddannelsen i kunstig intelligens, når den studerende opfylder de faglige adgangskrav. Den studerende kan også vælge kandidatkurser eller at lave et virksomhedsprojekt. Endelig kan den studerende vælge kurser på andre fakulteter eller uddannelsesinstitutioner. Dette vil dog kræve forhåndsmerit.

6. semester
--------------

* Kompleksitet og beregnelighed (10 ECTS)
Indhold: automater, formelle sprog og gramatikker; Turingmaskiner; afgørelighed; problem reduktioner; kompleksitetsklasser; approksimationsalgoritmer; parametriceret kompleksitet.
Mål: at forstå de teoretiske begrænsninger på computerenes evner; at kunne identificere potentielle kerner af kompleksitet i programmer.

* Valgfrit kursus (10 ECTS)
Den studerende vil kunne vælge mellem en nærmere defineret liste af relevante kurser. Den studerende vil også kunne vælge andre kurser, der i givet fald ville skulle forhåndsgodkendes af studienævnet.

* Bachelorprojekt (10 ECTS)

Det foreslås at indplacere uddannelsen på takst 3 på linje med landets datalogi-uddannelser, bacheloruddannelsen i Data Science på ITU, bacheloruddannelsen i machine learning og datavidenskab på KU, bacheloruddannelsen i teknisk videnskab (kunstig intelligens og data) på DTU og lignende uddannelser, da ressourcetrækket vil være tilsvarende.

Resultater og pointer fra interviews

Behov
Arbejdsmarkedsundersøgelsen viser tydeligt, at der er behov for dimittender med kompetencer indenfor kunstig intelligens. Stort set alle de interviewede virksomheder og organisationer ville kunne ansætte disse dimittender – enten som bachelordimittender eller som kandidater.

Behovet for AI-kompetencer er både nationalt og regionalt. Interviewene viser en tendens til, at det er sværere at rekruttere medarbejdere med de rette kompetencer indenfor kunstig intelligens regionalt end nationalt. Blandt de regionale virksomheder, der indgik var der en generel stor åbenhed overfor at ansætte dimittender med en bachelorgrad.

Kompetencer
Arbejdsmarkedsbehovsundersøgelsen viser, at uddannelsen indeholder det som virksomheder og organisationer har brug for, herunder et solidt matematiske og datalogisk grundlag. Flere så gerne, at kontekst-/forretningsforståelse var en del af uddannelsen, og nogen understregede vigtigheden af at lære om det etiske aspekt af kunstig intelligens.

Sekundære kilder
Der er politisk støtte til uddannelser, der har fokus på kunstig intelligens. I Danmarks strategi for kunstig intelligens står der bl.a.: …det er vigtigt både at uddanne flere unge med de rette kompetencer til at bruge kunstig intelligens men også at opkvalificere nuværende medarbejdere, så de kan varetage deres opgaver på nye måder og med nye teknologiske hjælpemidler.

I Innovationsfonden og McKinsey’s rapport fra 2019 om kunstig intelligens i Danmark står der bl.a.: Denmark has a well-educated workforce, yet will still face a shortage of 20,000 to 80,000 people with deep analytical skills by 2030. To address this, Denmark should consider working to increase the proportion of graduates in AI-related fields as well as attract international talent.

Ingen uddybende bemærkninger.

SDU forventer at uddanne mindst 30 studerende fra bacheloruddannelsen i kunstig intelligens i 2025 og min. 40 dimittender fra 2025 og fremefter.

Arbejdsmarkedsbehovsundersøgelsen har særlig fokus på at undersøge det regionale behov i forskellige brancher og større virksomheder. Resultaterne viser, at der vil være job til alle dimittender - og sikkert også flere i Region Syddanmark alene - nogle som bachelordimittender og andre som kandidater.

Data indsamlet af SDU’s analyseafdeling samt data fra Danmarks Statistik viser, at unge fra Region Syddanmark typisk uddanner sig i regionen. En del får job i Danmarks største byer, men efter nogle år vender de ofte tilbage til job i regionen. De unge, der uddanner sig i hovedstadsområdet, tager i meget mindre grad job udenfor hovedstadsområdet – heller ikke efter en årrække. Syddanmark får således ikke glæde af de dimittender, der uddannes fra for eksempel DTU. Dette giver et behov for regionale dimittender fra SDU.

Der har været afholdt 21 online-interviews med brancher, klynger, virksomheder og organisationer. Interviewene har været semistrukturerede og dialogbaserede, så de fleste emner har været drøftet med alle, mens andre emner er kommet op i enkelte interviews.

Der har været et særligt fokus på at få et regionalt perspektiv afdækket – både set fra store og små virksomheder samt et par store offentlige arbejdspladser. Der har også været fokus på at få bredt perspektiv ift. brancher. Følgende virksomheder blev interviewet:

Fire store nationale virksomheder/organisationer:
Novo Nordisk, Rambøll, KPMG, DSB

Fem store regionale virksomheder/organisationer:
Vattenfall, Danfoss, Sydbank, Miljøstyrelsen, SDU.

Tre mindre nationale virksomheder/organisationer:
Damvad, Jabra, Hospitalsenheden Horsens.

Syv mindre regionale virksomheder:
Bluesight Consulting, Lifeline Robotics, Ordbogen.com, Intelligent banker, Alphalyse, Cardlay.

En brancheorganisation og to klynger: DI digital, Media City Odense, Technology Denmark.

Vi har derudover suppleret disse interviews med pointer og konklusioner fra eksisterende rapporter, strategier mv.

Pointerne fra arbejdsmarkedsbehovsundersøgelsen er blevet behandlet som følger:

Den mest gennemgående pointe var et ønske om, at de studerende får evner til at forstå den konkrete kontekst, som de bliver ansat i. Dette aspekt er på denne baggrund blevet forstærket i uddannelsen, idet projektarbejde og konkrete casestudier opprioriteres. Casestudierne vil komme fra samarbejder mellem undervisere og virksomheder samt andre samarbejdspartnere fra erhvervslivet. Dette giver de studerende forståelse for, hvordan teknikker og værktøjer bliver brugt i virksomhedernes praksis samt hvilke udfordringer der er ved brug af kunstig intelligens.

Undervisning vil også inkludere emner i projektledelse, så dimittender er klar til at indgå projektarbejde i virksomheder.
Uddannelsen vil indeholde skriftlige og mundtligt fremlæggelse af resultater, hvor de studerende skal kunne forklare deres arbejde på en måde, så lægmand kan forstå det. Dermed bliver dimittender i stand til at samarbejde i professionelle kontekster.

Flere nævnte også inklusion af etiske og juridiske emner i uddannelsen, og dette er som en følge af undersøgelsen inkluderet i uddannelsen som et kerneemne i kunstig intelligens.

I det følgende sammenlignes følgende uddannelser:
A. BA Kunstig Intelligens SDU med

B. BA Datalogi SDU
C. BA Datalogi KU
D. BA Datalogi AU
E. BA Datalogi AAU
F. BA Kunstig Intelligens og data DTU
G. BA Data Science ITU
H. BA Maskinlæring og datavidenskab KU
I. Diplomingeniør i software Engineering SDU
J. Diplomingeniør i robotteknologi SDU

Alle disse uddannelser har lignende indhold af matematik. Computerteori er dækket i samme dybde i (A, B, C, D, E) og i mindre dybde i (G, H, I, J). Programmering er dækket i (A, B, C, D, E, H, I) og delvis dækket i (F, G, J).

(A) indeholder 75 ECTS under forskellige emner indenfor kunstig intelligens. De fleste af disse emner er også dækket i (F), men i mindre grad (ca 30 ECTS). (G, H) indeholder nogle af disse emner, men bruger i alt 22.5-30 ECTS på det. De andre uddannelser fokuserer højst på ét emne indenfor kunstig intelligens (op til 20 ECTS): maskinlæring (B, E, I), søgning og optimering (C, D) eller interaktion (J).

Uddannelsen profil er ny da indholdet af AI er større end sammenlignelige uddannelser.

Der er ingen dimensionering på disse uddannelser.

Der er ingen uddybende bemærkninger.

Uddannelsen er et alternativ til datalogi-uddannelsen. Der er mere fokus på teori og anvendelse af målrettet kunstig intelligens end på klassiske datalogiske emner. Hvor datalogi-uddannelsen typisk tiltrækker personer, der er mest interesseret i selve teknikken og metoderne, så forventer vi, at denne uddannelse i højere grad vil være attraktiv for en ny gruppe af studerende, som særligt interesserer sig for at sætte teknikken og metoderne i spil i en kontekst.

Med sit særlige fokus forventer vi således ikke, at uddannelsen vil påvirke rekrutteringsgrundlaget til datalogi eller andre uddannelser på SDU i særlig grad. Uddannelsen vil i stedet bidrage til at tiltrække flere studerende.

Uddannelsen vil også kunne fastholde de unge i vores region, der ønsker målrettede uddannelser indenfor kunstig intelligens, og ikke ønsker at flytte. Vi har ligeledes en forventning om, at denne uddannelse vil tiltrække flere kvinder.

En bachelor i kunstig intelligens kan fortsætte på en kandidatuddannelse i datalogi på SDU, hvor de har retskrav. 

SDU overvejer - på sigt - at etablere en kandidatuddannelse i Kunstig Intelligens.

Derudover kan bachelordimittenderne søge direkte ind på alle andre danske datalogiuddannelser samt:

• Computational Biomedicine, SDU


• Data Science, AU


• Cybersecurity, AAU


• Informationsteknologi, DTU


• Matematisk modellering og computing, DTU

Det forventes, at der kan optages 30-40 studerende i 2022 og det samme i 2023. På det tredje år og fremover forventes uddannelsen at optage omkring 50 studerende årligt.

Ikke relevant

Ingen øvrige bemærkninger