Ansøgning om prækvalifikation af videregående uddannelser

Bachelor - Bachelor (BSc) i kunstig intelligens - Syddansk Universitet

Syddansk Universitet
14/09-2022 12:48
2022-2
Indsendt
Ansøgningstype
Ny uddannelse

Udbudssted
Syddansk Universitet, Det Naturvidenskabelige Fakultet, Odense

Informationer på kontaktperson for ansøgningen (navn, email og telefonnummer)
Lektor Luís Cruz-Filipe, lcf@imada.sdu.dk, +4565504560 Konsulent Gitte Toftgaard Jørgensen, gittet@sdu.dk, +4560112416 Konsulent Julie Nauerby Kristensen, juna@sdu.dk, +4565509481

Er institutionen institutionsakkrediteret?
Ja

Er der tidligere søgt om godkendelse af uddannelsen eller udbuddet?
Ja

Uddannelsestype
Bachelor

Uddannelsens fagbetegnelse på dansk
Bachelor (BSc) i kunstig intelligens

Uddannelsens fagbetegnelse på engelsk
Bachelor of Science (BSc) in Artificial Intelligence

Angiv den officielle danske titel, som institutionen forventer at bruge til den nye uddannelse
Kunstig Intelligens

Angiv den officielle engelske titel, som institutionen forventer at bruge til den nye uddannelse
Artificial Intelligence

Hvilket hovedområde hører uddannelsen under?
Naturvidenskab

Hvilke adgangskrav gælder til uddannelsen?

Jf. Adgangsbekendtgørelsen §§3-7
Adgang til bacheloruddannelserne forudsætter, at ansøgeren har gennemført en gymnasial eksamen (generelt adgangskrav). 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 6,0 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


Bachelordimittenden har retskrav på at blive optaget på kandidatuddannelsen i datalogi på Syddansk Universitet. Uddannelsen giver desuden direkte adgang til bl.a. kandidatuddannelserne i datalogi på hhv. Københavns Universitet, Århus Universitet, Ålborg Universitet og Roskilde Universitetscenter. 


Adgangskravene til uddannelsen følger adgangskravene til beslægtede bacheloruddannelser inden for det matematiske og datalogiske område på SDU. Bacheloruddannelsen i kunstig intelligens kræver solide færdigheder i og forståelse for matematik, der er forudsætning for de matematisk/tekniske dele af uddannelsen, hvilket matematik A med minimum 6 i gennemsnit vil sikre.


Er det et internationalt samarbejde, herunder Erasmus, fællesuddannelse el. lign.?
Nej

Hvis ja, hvilket samarbejde?

Hvilket sprog udbydes uddannelsen på?
Dansk

Er uddannelsen primært baseret på e-læring?
Nej, undervisningen foregår slet ikke eller i mindre grad på nettet.

ECTS-omfang
180

Beskrivelse af uddannelsens formål og erhvervssigte. Beskrivelsen må maks. fylde 1200 anslag

Formålet med bacheloruddannelsen i Kunstig Intelligens er at uddanne dimittender med de kompetencer i kunstig intelligens (herefter AI), som aftagerne efterspørger.


Dimittenderne vil
a) være specialister i anvendelse af AI på aktuelle problemstillinger
b) have kompetencer inden for hovedområderne under AI
c) kunne forklare og anbefale brug af AI i forskellige kontekster


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


Dimittender vil blive ansat til at hjælpe virksomheder og organisationer med at forbedre og automatisere processer og beslutningsgrundlag. De vil blive ansat til at vurdere relevans, anvendelighed og gennemførlighed af AI-værktøjer samt udvikle og implementere værktøjerne. De vil også blive ansat til at bygge bro mellem den tekniske side af AI og ledelsesbeslutninger samt evaluere tekniske, sociale og etiske konsekvenser af at bruge AI.


Uddannelses struktur og konstituerende faglige elementer

Med en bacheloruddannelse i Kunstig Intelligens tilegner den studerende sig færdigheder til at



  • udvælge intelligente og datadrevne systemer,

  • udvikle og udnytte energieffektive intelligente systemer (Green AI),

  • implementere passende intelligente systemer i varierende kontekster med forskellige rammevilkår,

  • vedligeholde intelligente og datadrevne systemer, og

  • forklare hvordan intelligente og datadrevne systemer fungerer, og herunder klæde beslutnings-tagere på til at prioritere områder, hvor intelligente systemer kan anvendes


Mere konkret giver uddannelsen dimittenden



  • evner til at bruge forskellige programmerings-, modellerings- og matematiske værktøjer generelt og i forbindelse med konkrete anvendelser af kunstig intelligens;

  • viden om og indsigt i de forskellige overvejelser forbundet med brug af kunstig intelligens og intelligente systemer, herunder etiske, juridiske og forretningsmæssige;

  • indgående kendskab til hyppigt anvendte metoder og tilgange til forskellige emner indenfor kunstig intelligens, og kendskab til løsningsmuligheder i forskellige kontekster;

  • færdigheder til at udvikle nye løsninger i forskellige anvendelsesområder ved at abstrahere og overføre kendte teknikker til andre kontekster;

  • kompetencer indenfor projektledelse for at kunne samarbejde med personer med andre fagligheder, forklare løsninger og sætte sig ind i et brugerperspektiv.


Uddannelsens struktur
Uddannelsens kerne er de centrale fag i kunstig intelligens (67.5 ECTS):



  • optimering (15 ECTS),

  • vidensrepræsentation (7.5 ECTS),

  • maskinlæring (12.5 ECTS),

  • interaktion (10 ECTS),

  • sociale aspekter (12.5 ECTS) og

  • forretningsforståelse (10 ECTS).


Uddannelsen har den nødvendige baggrund i hhv.



  • matematik (22.5 ECTS),

  • programmering (22.5 ECTS) og

  • computerteori (32.5 ECTS).


Derudover har uddannelsen:



  • valgfrie kurser i emner indenfor kunstig intelligens’ indflydelse på samfundet, datavidenskab, matematisk modellering og robotteknologi (20 ECTS),

  • bachelorprojekt (10 ECTS) og

  • studieintroduktion (5 ECTS).


Uddannelsen indeholder mere end de 90 krævede konstituerende ECTS.


Igennem hele uddannelsen vil der være tværgående projekter, som forbinder de teoretiske begreber med praktiske anvendelser. I programmeringskurser på de tre første semestre introduceres også emner i projektledelse. Især i de avancerede kurser på fjerde og femte semester vil de studerende arbejde med konkrete casestudier.


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


* 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.


* 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.


* 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.


2. semester
--------------
* 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)
Indhold: Rekursion og rekursive strukturer; korrekthed og kompleksitetsanalyse af algoritmer; speciali-serede 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.


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


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


* 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.


* Calculus (5 ECTS)
Indhold: funktionsbegrebet; 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.


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


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


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 udvikleintelligente agenter.


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


* Avanceret 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 sociale konsekvenser 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 kommunikere via naturligt sprog.


* Forretningsmæssige emner i kunstig intelligens (10 ECTS)
Indhold: digitale certifikater; autentificering; metoder og redskaber til at sikre systemer og undgå uønsket adfærd; kunstig intelligens til et sikkert samfund; innovationsprojekt.
Mål: at kende, kunne vælge mellem og anvende sikkerhedsprincipper og -teknikker i udvikling af intelligente systemer; at forstå forretningsmodel og hvordan kunstig intelligens bruges i virksomhedsmiljø.


* Valgfrit kursus (10 ECTS)
Den studerende kan vælge fra et udbud af relevante valgfrie kurser, og herunder lave et projekt i samarbejde med en virksomhed.


6. semester
--------------
* Bachelorprojekt (10 ECTS)


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


* Valgfrit kursus (10 ECTS)
Den studerende kan vælge fra et udbud af relevante valgfrie kurser, og herunder lave et projekt i samarbejde med en virksomhed.


Begrundet forslag til takstindplacering af uddannelsen

Det foreslås at indplacere uddannelsen på takst 3 på linje med andre naturvidenskabelige IT-uddannelser i Danmark, da ressourcetrækket vil være tilsvarende.


Forslag til censorkorps
Censorkorpset for datalogi.

Dokumentation af efterspørgsel på uddannelsesprofil - Upload PDF-fil på max 30 sider. Der kan kun uploades én fil
BA_AI_arbejdsmarkedsbehovsundersøgelse_FINAL.pdf

Kort redegørelse for det nationale og regionale behov for den nye uddannelse. Besvarelsen må maks. fylde 1800 anslag

Arbejdsmarkedsundersøgelsen viser, at



  • der er et konkret, aktuelt og stigende behov for dimittender med AI-kompetencer

  • der både er et regionalt og et nationalt behov

  • uddannelsen har det rigtige indhold ift. aftagernes behov

  • det tyder på, at nye teknologier, sat i forskellige aktuelle kontekster, appellerer til en bredere studentermålgruppe. 

  • der er et politisk og samfundsmæssigt fokus på at styrke kompetencer indenfor AI


Behov
Undersøgelsen viser tydeligt, at der er et stigende nationalt og regionalt behov for dimittender med dybe kompetencer i AI. Stort set alle de interviewede virksomheder og organisationer ville kunne ansætte disse dimittender. Interviewene viser en tendens til, at det er vanskeligere at rekruttere medarbejdere med de rette kompetencer i AI regionalt end i hovedstadsområdet.


Kompetencer
Undersøgelsen viser, at uddannelsen indeholder det, som virksomheder og organisationer har behov for.


Målgruppe
Erfaringer fra Københavns Kommune samt en undersøgelse lavet af Vrije Universiteit Brussel viser, at emnet kunstig intelligens tiltrækker en bredere studentermålgruppe. Denne uddannelse forventes derfor at give flere dimittender med efterspurgte IT-kompetencer, og med mere forskelligartede profiler, til især regionens virksomheder.


Sekundære kilder
Der er politisk støtte til uddannelser, der har fokus på kunstig intelligens. I Danmarks digitaliseringsstra-tegi fra maj 2022 har AI en gennemgående plads. 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.


Uddybende bemærkninger

-


Underbygget skøn over det nationale og regionale behov for dimittender. Besvarelsen må maks. fylde 1200 anslag

SDU forventer i 2026 at uddanne mindst 30 studerende fra bacheloruddannelsen i kunstig intelligens og mindst 40 dimittender fra 2027 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 uden for hovedstadsområdet – heller ikke efter en årrække. Syddanmark får således ikke glæde af de dimittender, der uddannes fra for eksempel DTU. Dette giver et klart behov for regionale dimittender fra SDU.


Hvilke aftagere har været inddraget i behovsundersøgelsen? Besvarelsen må maks. fylde 1200 anslag

Der har været afholdt 21 interviews med brancher, klynger, virksomheder og organisationer. Interviewene har været semistrukturerede og dialog-baserede, 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 tre klynger: DI-digital, Media City Odense, Technology Denmark, Dandy Business Park/AI Innovation House


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


Hvordan er det konkret sikret, at den nye uddannelse matcher det påviste behov? Besvarelsen må maks. fylde 1200 anslag

Pointerne fra arbejdsmarkedsbehovsundersøgelsen er blevet behandlet som følger:


Kontekstforståelse
En gennemgående pointe var, at de studerende bør lære at indgå i konkrete kontekster, som de bliver ansat i, og herunder få blik for kontekst-/forretningsforståelse. Dette aspekt er forstærket i uddannelsen, idet projektarbejde og konkrete casestudier opprioriteres. Casestudierne vil komme fra samarbejder mellem undervisere og virksomheder. Dette giver de studerende forståelse for, hvordan teknikker og værktøjer bliver brugt i virksomhedernes praksis samt hvilke udfordringer der er ved praktisk brug af AI.


Projektarbejde
Undervisning vil også inkludere emner i projektledelse, så dimittender er klare til at indgå i projektarbejde og lede projekter i virksomheder.


Formidling
Uddannelsen vil indeholde skriftlige og mundtlige eksaminer, hvor de studerende skal kunne forklare deres arbejde til personer fra andre fagområder. Dermed bliver dimittender i stand til at samarbejde og kommunikere i professionelle kontekster.


Etik
Flere nævnte også inklusion af etiske og juridiske emner i uddannelsen, og disse har som en følge af undersøgelsen fået en større og gennemgående plads i uddannelsen.


Beskriv ligheder og forskelle til beslægtede uddannelser, herunder beskæftigelse og eventuel dimensionering. Besvarelsen må maks. fylde 1200 anslag

Her sammenlignes:
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


(A)s profil er markant anderledes, da indholdet af AI er meget større end i sammenlignelige uddannelser. (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 i alt). (G, H) indeholder nogle af disse emner, men bruger 22.5-30 ECTS på det. De resterende uddannelser fokuserer højst på ét AI-emne (op til 20 ECTS): maskinlæring (B, E, I), søgning og optimering (C, D) eller interaktion (J).


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) eller delvis dækket i (F, G, J).


Uddannelserne er ikke dimensioneret. Der er ingen nært beslægtede uddannelser på andre institutioner i regionen, og der er derfor ikke gennemført en høring.


Uddybende bemærkninger

Med 67,5 obligatoriske ECTS og yderligere 10 ECTS fra bachelorprojekt og 20 fra de valgfrie kurser, kan de studerende med denne uddannelse opnå op til 97.5 ECTS i AI, hvilket er mere end dobbelt af det, andre uddannelser tilbyder.


Beskriv rekrutteringsgrundlaget for ansøgte, herunder eventuelle konsekvenser for eksisterende beslægtede udbud. Besvarelsen må maks. fylde 1200 anslag

Uddannelsen forventes primært at tiltrække ansøgere med interesse for at kende og anvende nye teknologier og især kunstig intelligens. Vi forventer, at AI appellerer til en bredere studentergruppe end klassiske IT-uddannelser. Dette bygger vi på følgende:


En undersøgelse af hollandske universiteter, der udbyder bacheloruddannelser i både datalogi og AI, viser, at 33% af førsteårsstuderende på AI er kvinder, imod 17% i datalogi. Også i Storbritannien udbyder flere både datalogi og AI, og her er 25% studerende i AI kvinder, mod 18% i datalogi.


SDU har lavet en undersøgelse blandt gymnasieelever, der viser en større interesse for emner relateret til AI end til datalogi/softwareudvikling.


Københavns Kommunes IT-koncern erfarer, at anvendelse af nye teknologier ligger i et grænseland mellem forskellige faglige dimensioner, og at dette tiltrækker en bredere og mere missionsdrevet målgruppe end klassiske IT-uddannelser.


Dette uddybes i ansøgningens bilag.


Beskriv kort mulighederne for videreuddannelse

En bachelordimittend i kunstig intelligens fra SDU vil have retskrav på kandidatuddannelsen i datalogi på SDU, som har en profil i AI. De vil i øvrigt kunne optages på mange af de andre danske IT-kandidatuddannelser. På denne måde kan de opnå højere kompetencer i den tekniske del af udvikling og implementering af intelligente systemer.


SDU planlægger inden for få år at etablere en kandidatuddannelse i Kunstig Intelligens.


Forventet optag på de første 3 år af uddannelsen. Besvarelsen må maks. fylde 200 anslag

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


Hvis relevant: forventede praktikaftaler. Besvarelsen må maks. fylde 1200 anslag

Ikke relevant.


Øvrige bemærkninger til ansøgningen

SDU ansøgte om denne uddannelse første gang i 2021. SDU forholder sig til RUVU’s argumenter for afslaget i bilaget til denne ansøgning.


Hermed erklæres, at ansøgning om prækvalifikation er godkendt af institutionens rektor
Ja

Status på ansøgningen
Indsendt

Ansøgningsrunde
2022-2

Afgørelsesbilag - Upload PDF-fil

Samlet godkendelsesbrev - Upload PDF-fil