Kandidat - Kunstig intelligens - Syddansk Universitet

Følgende bacheloruddannelser giver direkte adgang til kandidatuddannelsen i kunstig intelligens:

• Bachelor i kunstig intelligens fra SDU Odense (retskrav) samt Bachelor i kunstig intelligens fra SDU Vejle


• Bachelor i datalogi fra SDU, campus Odense og Vejle

Ansøgere med tilsvarende bacheloruddannelse, der indeholder fagelementer i kunstig intelligens svarende til minimum 100 ECTS. Følgende fagområder skal indgå:

• Maskinlæring, optimering og/eller logik (mindst 30 ECTS)


• Programmering (mindst 15 ECTS)


• Algoritmer, datastrukturer og kompleksitet (mindst 15 ECTS)


• Matematiske støttefag til kunstig intelligens, herunder diskret matematik, calculus og sandsynlighedsteori (mindst 15 ECTS)

Ansøgere skal desuden opfylde sprogkravet om bestået Engelsk på B niveau med et gennemsnit på mindst 2,0.

Formål: At uddanne specialister i kunstig intelligens (AI) med fokus på en bred tilgang til AI. Dimittender vil udvikle værdiskabende AI-løsninger målrettet individer og virksomheder, samt identificere nye miljøer, hvor AI med fordel kan finde anvendelse. Uddannelsen sikrer, at de kan designe og udvikle, implementere og integrere ressourcebesparende og/eller kvalitetsforøgende AI-systemer i overensstemmelse med lovgivning, etik og samfundsbehov. De vil fungere som brobyggere mellem tekniske aspekter og bidrage til det strategisk arbejde og udbytter af AI i beslutningsprocesser.

Erhvervssigte: At uddanne specialister i AI, der kan optimere processer og styrke konkurrenceevnen for virksomheder på tværs af alle brancher. Med en bachelor i AI eller datalogi og en kandidatgrad i AI vil dimittenderne blive ansat som IT-specialist/udvikler, IT-konsulent eller i en kombination af begge roller. De vil få arbejde i små, mellemstore, store, regionale, nationale og internationale virksomheder og organisationer. Mange startups har også brug for denne ekspertise, fx inden for drone- og robotteknologi. Efterspørgslen efter AI-specialister er markant og forventes at stige yderligere.

Uddannelsens sammensætning er baseret på et flerårigt forskningssamarbejde mellem fagmiljøer fra Det Naturvidenskabelige Fakultet, Det Samfundsvidenskabelige Fakultet og Det Humanistiske Fakultet på Syddansk Universitet i Odense. Dette tværfaglige samarbejde fokuserer primært på kunstig intelligens (AI) i relation til samfundsmæssige perspektiver, etik og jura. De samme fagmiljøer fra samfundsvidenskab og humaniora bidrager også til de adgangsgivende naturvidenskabelige bacheloruddannelser inden for kunstig intelligens og datalogi med etiske og juridiske aspekter.

På kandidatuddannelsen i kunstig intelligens i Odense vil de nævnte fagmiljøer inden for samfundsvidenskab og humaniora bidrage på et specialiseret niveau, der omfatter AI i relation til samfundsperspektiv, etik, jura og forretningsforståelse.

Det tværfaglige forskningssamarbejde og den specialiserede viden inden for kunstig intelligens på Det Naturvidenskabelige Fakultet har dannet grundlaget for den unikke kandidatuddannelse i AI, der omfatter AI-teknologi, etik, jura, AI-anvendelse, forretningsforståelse samt relationen til samfund og mennesker. Den brede og unikke læring inden for AI har afgørende betydning for, at de studerende kan udvikle succesfulde og værdiskabende AI-løsninger til gavn for virksomheder og individer.

I det følgende uddybes uddannelsens struktur og faglige elementer, og uddannelsens konstituerede fagelementer er angivet med *.

Uddannelsens struktur består af følgende elementer:

• 20 ECTS om maskinlæring og anvendelser


• 20 ECTS om AI, samfund og erhverv


• 10 ECTS om symbolsk AI


• 10 ECTS Valgfag


• 60 ECTS Speciale

1.semester:

• 10 ECTS Reinforcement Learning


• 5 ECTS AI and Democracy


• 5 ECTS Business understanding and development


• 10 ECTS "Valgmodul" mellem Reasoning and Agents eller Advanced Optimization

Reinforcement Learning *, 10 ECTS:
Dette kursus introducerer grundlæggende elementer af reinforcement-læring ud fra et kunstig intelligens-perspektiv. I begyndelsen præsenteres de teoretiske fundamenter inden for reinforcement-læring, og det fortsætter med anvendelser af teorien i sammenhæng til større problematikker inden for kunstig intelligens. Faget afsluttes med at fokusere på de nuværende store udfordringer inden for forskningen i kunstig intelligens, som relaterer sig til reinforcement-læring. Kursusindholdet er designet til at opretholde en balance mellem den teori og praksis, der er nødvendig for at følge en selvstyret AI-specialisering, for at kunne omsætte teori til praktisk viden. Hovedprojektet på kurset giver de studerende mulighed for at opleve en vejledt version af den videnskabelige forskningsproces.

Indhold i nøgleord: Kurset indeholder følgende hovedemner: Markov beslutningsproces: Formelle definitioner og nøgleegenskaber. Værdibaserede metoder: Dynamisk programmering, Approksimativ tidsforskel, Monte Carlo. Politikorienterede metoder: Politikgradientsætning, REINFORCE-algoritmen, Konservativ politikiteration. Modelbaseret reinforcement-læring: Dyna-stil metoder og modelprediktiv kontrol, Offline reinforcement-læring og distributionsbaseret reinforcement-læring.

AI and Democracy, 5 ECTS:
På dette kursus opnår de studerende specialiseret samfundsvidenskabelig viden om udvikling, implementering og styring af AI i demokratiske samfund, baseret på solid viden om samspillet mellem AI og demokrati. Kurset dækker emner som AI og politik, medierne samt samfundsmæssige anvendelser. Der lægges særlig vægt på menneske-AI-interaktioner i relation til anvendelse i samfundet.

Indhold i nøgleord: AI og politik. AI-styring og regulering, politisk mikro-targeting, misinformation, generativ AI og politisk deltagelse. Den gode vej med AI: deltagelse, gennemsigtighed og demokratisk diskurs. AI og medierne: medieinnovation, computerdrevet journalistik, publikums perspektiver, AI-anbefalingssystemer. AI og indholdsmoderation: Samfundsmæssige anvendelser af AI: AI og uddannelsessystemet, AI-literacy, AI og det aldrende samfund, interkulturel kommunikation og AI's etiske og juridiske udfordringer. AI i relation til anvendelse i samfundet.

Business understanding and development, 5 ECTS:
Formålet med dette kursus er at give eksperter inden for AI en introduktion til forretningsforståelse. Hvad er en virksomhed, hvordan er den organiseret, og hvad laver en leder? De studerende introduceres til grundlæggende forretningsbegreber, modeller og metoder. Disse fundamentale elementer vil blive kontekstualiseret i forhold til nye teknologier, særligt AI-teknologier. Målet er, at de studerende opnår indsigt i, hvordan virksomheder fungerer, og hvilken rolle teknologi spiller i jagten på forretningsudvikling.

Indhold i nøgleord: Del 1: Introduktion til forretningsaktiviteter. Kerneaktiviteter i virksomheden: forsynings- og værdikæder. Forretningsmodeller: værdiskabelse og -fangst. Ledelse af virksomheden: netværks- og interessenthåndtering. Forretningsstrategier: opnåelse og skabelse af strategiske mål. Markeder: markedsføring i udviklede og nye markeder. Del 2: Refleksioner over forretningsaktiviteter i en teknologisk tidsalder. Transformation af forsynings- og værdikæder. Nye forretningsmodeller. Forandringsledelse i virksomheder. Disruptive forretningsmodeller. Globale markeder.

Reasoning and Agents *, 10 ECTS:
Dette kursus dækker både klassisk og maskinlæring-baseret ræsonnering og giver de studerende et fundament for at forstå forskellige tilgange til intelligent beslutningstagning. De studerende vil udforske autonom beslutningstagning i enkelt-agent systemer og lære, hvordan agenter uafhængigt ræsonnerer og handler i komplekse miljøer. Kurset vil derefter bevæge sig videre til multi-agent systemer, hvor agenter samarbejder, forhandler og koordinerer for effektivt at løse komplekse problemer.

Indhold i nøgleord: Multi-agent systemer: Logisk modellering. Distribuerede ræsonnerings-algoritmer: Vidensdeling, SAT- og SMT-løsning.

Eller:

Advanced Optimization *, 10 ECTS:
På dette kursus lærer de studerende om avancerede metoder inden for optimering, og udstyrer de studerende med kraftfulde værktøjer til at løse komplekse problemer inden for maskinlæring, driftsforskning og ingeniørvidenskab. Ved afslutningen af kurset vil deltagerne være i stand til at anvende avancerede optimeringsteknikker (f.eks. gradientbaserede metoder, hyperparameter tuning, branch-and-bound) på en række virkelige problemstillinger, der forbedrer beslutningstagning og ressourceeffektivitet.

Indhold i nøgleord: Optimeringsproblemer: Kontinuerlig og diskret optimering: Numeriske metoder: Matematisk programmering: Randomiserede optimeringsheuristikker til blackboks-optimering: Anvendelser inden for maskinlæring, logistik og planlægning.

2.semester:

• 10 ECTS "Valgmodul" mellem Applied Machine Learning eller Machine Learning Operations ML-Ops


• 10 ECTS Introduction to Technology Management


• 10 ECTS Valgfag

Applied Machine Learning *, 10 ECTS:
Målet med kurset er, at de studerende lærer at anvende de mest almindeligt brugte metoder inden for maskinlæring. Fokus på kurset er, at de studerende lærer at opsætte en fuldstændig anvendt maskinlæringsanalyse fra start til slut. De lærer de færdigheder, der er nødvendige for at kunne udføre klassificering og forudsigelser ved hjælp af statistiske metoder og dyb læring, samt at foretage kritiske vurderinger af resultaterne. Desuden opnår de viden og forståelse for en bred vifte af maskinlæringsteknikker, så de kan vurdere deres styrker og svagheder, når de anvendes i relation til forskellige typer af data.

Indhold i nøgleord: Støttevektormaskiner, beslutningstræer, boosting, tilfældige skove, gradient boosting, ensemblemetoder, fuldt tilsluttede neurale netværk, konvolutionelle neurale netværk, tilbagevendende neurale netværk, træning, regularisering og optimering, autoencodere og variational autoencodere. GAN'er, transformere og Generativ AI. Arbejde med specifikke problemer.

Eller:

Machine Learning Operations ML-Ops *, 10 ECTS:
Dette kursus giver de studerende en dybdegående forståelse af Maskinlæringsdrift (Machine Learning Operations), en kritisk disciplin, der bygger bro mellem datavidenskab og IT-drift. Ved kursets afslutning vil de studerende være i stand til at implementere og administrere end-to-end maskinlæringsarbejdsgange på en skalerbar, pålidelig og automatiseret måde samt mestre de værktøjer og teknikker, der bruges til overvågning og styring af ML-modeller i produktionsmiljøer og i skyen.

Indhold i nøgleord: Kontinuerlig integration/kontinuerlig implementering (CI/CD). Automatisering af datarørledninger. Skalerbarhed. Cloud-tjenester.

Introduction to Technology Management, 10 ECTS:
AI er en af mange nye teknologier, der i stigende grad udvikles, kommercialiseres og anvendes i virksomheder. Kurset introducerer de studerende til teknologiledelse som en samling af teorier, metoder og strategier. Som studerende inden for AI er det afgørende, at de forstår AIs rolle i porteføljen af tilgængelige teknologier, og at de kan bygge videre på begreber, modeller og metoder fra kurset ”Forretningsforståelse og udvikling” for at kunne analysere, bidrage til strategiudvikling og anbefale beslutninger inden for teknologiledelse. Endelig vil de studerende være i stand til at analysere, hvornår og under hvilke betingelser værdi kan genereres med AI og andre nye teknologier.

Indhold i nøgleord: Introduktion til teknologi og teknologiledelse. Teorier om teknologisk forandring: forståelse af teknologiens natur, forløb og paradigmer samt nye versus modne teknologier. Teorier om teknologiadoption: Valg af teknologier blandt et sæt alternativer (mulighedsgenkendelse, anvendelse af strategi og værdiskabelse som nøglekriterier for valg). Begrebet værdi: skabelse og indfangning. Værdiskabelse og indfangning for AI og andre nye teknologier. Teknologistrategi og beslutningstagning.

Valgfag, 10 ECTS:
Der kan vælges et valgfag bredt på universitetets fakulteter. På Institut for Matematik og Datalogi (IMADA), hvor kandidatuddannelsen er forankret, udbydes flere kurser om anvendelser af maskinlæring til forskellige områder. Derudover findes der kurser relaterede til anvendelse af kunstig intelligens i forskellige områder af samfundet, herunder for eksempel fag udbudt af det Juridisk Institut, Digital Democracy Centre (DDC), Center for AI Etik, eller Institut for Design, Medier og Uddannelsesvidenskab. Der er også muligheder for kurser omkring anvendelser til robotteknologi på Mærsk Mc-Kinney Møller Instituttet på SDU i Odense.
Den studerende kan også vælge det modsatte fag fra semesterets øvrige valgmodul, fx tilvælge "Machine Learning Operations ML-Ops", hvis den studerende valgte "Applied Machine Learning", og omvendt.
Den studerende kan vælge valgfaget "Virksomhedsprojekt i AI", der giver mulighed for at samarbejde med en virksomhed om AI.
Valgmulighederne giver den studerende mulighed for at tone sin kompetenceprofil i en bestemt retning, som kan variere afhængigt af en bachelorbaggrund i enten kunstig intelligens eller datalogi, personlige styrker og karrieremål.

3.semester og 4.semester:

• 60 ECTS Speciale i kunstig intelligens

Indhold i nøgleord: De studerende skal arbejde med en konkret problemstilling inden for kunstig intelligens. Mulighederne indeholder teoretiske spørgsmål, fx udvikling af eksisterende teorier eller algoritmer, eller anvendte projekter, hvor den studerende implementerer et system inden for kunstig intelligens til at løse et praktisk problem.
Specialet er baseret på den naturvidenskabelige grundfaglighed og de studerende har mulighed for at arbejde på specialets problemstilling i samarbejde med en virksomhed og/eller vælge et tværfagligt vejlederskab med vejledere fra Det Samfundsvidenskabelige Fakultet, Det Humanistiske Fakultet, Det Tekniske Fakultet og Det Sundhedsvidenskabelige Fakultet på Syddansk Universitet. Naturvidenskab og humaniora har gode erfaringer med tværfagligt vejlederskab fra uddannelsen i Data Science.

I det følgende gives eksempler på tværfagligt vejlederskab:

• I et speciale arbejder en studerende med en konkret AI-problemstilling inden for kunstig intelligens i samarbejde med en virksomhed, men problemstillingen involverer videoovervågning med billeder af mennesker. Derfor søger den studerende at vejlederskab kombineres med en specialist inden for jura fra Det Samfundsvidenskabelige Fakultet på campus i Odense, fordi problematikken i specialet kræver en særlig opmærksomhed på det juridiske perspektiv.


• I et andet speciale har den studerende et samarbejde med en kommune om en digital AI-løsning, der får indflydelse på en stor gruppe af mennesker. Derfor vælger den studerende at vejlederskabet kombineres med en specialist inden for det etiske område fra Det Humanistiske Fakultet på campus i Odense.


• I et tredje speciale ønsker en studerende at arbejde med en AI-problemstilling inden for det velfærdsteknologiske område, og det vil derfor være meningsfuldt at kombinere vejlederskabet med en specialist inden for enten det teknologiske eller sundhedsvidenskabelige fagområde.

Der henvises til uddannelsens kassogram i arbejdsmarkedsbehovsundersøgelsen på side 3.

Kompetenceprofil:
En dimittend med en kandidatgrad i kunstig intelligens (AI) har viden om:

• et udvalg af specialiserede modeller og metoder udviklet inden for AI, baseret på den højeste internationale forskning, herunder emner fra fagets forskningsfront.


• teoretiske modeller og metoder inden for de forskellige områder af AI, beregnet til anvendelse i andre faglige områder.


• ekspertviden inden for et afgrænset fagområde, der er baseret på den højeste internationale forskning inden for området.


• forståelse for de udfordringer og konsekvenser, der følger med brugen af kunstig intelligens i såvel erhvervslivet som i samfundet.


• forståelse for AI på et strategisk og forretningsmæssigt plan.

Dimittenden vil have et bredt perspektiv på kunstig intelligens og være i stand til at designe og udvikle AI-løsninger, der adresserer forskellige problemstillinger, baseret på en forståelse for deres praktiske konsekvenser. Dimittenden kan identificere behovet for at inddrage specialister fra andre fagområder, såsom jura eller humaniora, når konkrete udfordringer opstår i forbindelse med et projekt. Desuden kan de kommunikere på tværs af forskellige fagligheder og bidrage med indføring af AI på et strategisk og forretningsmæssigt plan.

Dimittenden kan følge med i og bidrage til udviklingen inden for AI, både teoretisk og praktisk, og forholde sig kritisk til både egne og andres forskningsresultater samt videnskabelige modeller. Dimittenden er desuden i stand til at udvikle nye varianter af de lærte metoder, når det konkrete problem kræver det, samt planlægge og udføre videnskabelige projekter på et højt fagligt niveau. Dette inkluderer også at kunne styre arbejds- og udviklingssituationer, der er komplekse, uforudsigelige, og som forudsætter nye løsningsmodeller.

Takst tre i lighed med øvrige naturvidenskabelige IT-uddannelser i Danmark.

I Danmark uddanner vi endnu ikke kandidater i kunstig intelligens (AI) til at varetage den komplekse integration af AI i virksomheder og offentlige organisationer. Regeringen lancerede allerede i 2019 en strategi for AI med det sigte at skabe gode rammer for at udnytte potentialet i AI, der skal sikre virksomhederne øget konkurrenceevne, og tilsvarende i den offentlige sektor tilbyde høj service i samfundet.

Brug af AI medfører en række udfordringer, der kræver en bred og samtidigt specialiseret tilgang. Det er derfor afgørende, at der findes medarbejdere med de rette AI-kompetencer, så alle aspekter af teknologien tages i betragtning, og det dermed sikres, at der sker en effektiv og værdifuld anvendelse af AI.

Der er en markant stigende efterspørgsel på specialister med tværorienterede kompetencer, viden og evne til at integrere og udnytte potentialet i AI. Manglen på de rette medarbejdere truer virksomhedernes konkurrenceevne og potentielle gevinster i alle brancher bredt i samfundet. Det viser seneste undersøgelser udført på tværs af brancher, virksomheder og organisationer både nationalt og regionalt.
I behovsundersøgelsen er det udtrykt, at det er særligt attraktivt, at uddannelsen udbydes på engelsk, da AI-specialisterne skal kunne indgå i faglige drøftelser og generel kommunikation på engelsk.

Der findes ingen selvstændige kandidatuddannelser i Danmark, der har fokus på den brede læring om værdiskabelse med AI. Derfor ønsker SDU i Odense at udbyde en unik kandidatuddannelse i AI, hvor alle betydningsfulde elementer er samlet; AI-teknologi, etik, jura, AI-anvendelse, forretning, samfund og individ.

I Danmark findes kandidatuddannelser, der beskæftiger sig med AI som en del af en anden uddannelse, men ingen der samler alt i én profil.

Til ovenstående henvises der til de samme kilder, som er anvendt i arbejdsmarkedsbehovsundersøgelsen.

I det følgende uddybes behovet for en engelsksproget uddannelse:

Kandidatuddannelsen i kunstig intelligens udbydes på engelsk, fordi de anvendte kilder fra arbejdsmarkedsbehovsundersøgelsen, suppleret med aftagernes udtrykte behov for medarbejdere med kompetencer inden for kunstig intelligens, indikerer et så stort behov, at det også er nødvendigt at kunne tiltrække kvalificerede studerende fra udlandet til Danmark til optag på kandidatuddannelsen i kunstig intelligens.

Kandidatuddannelsen udbydes desuden på engelsk, fordi alle fagtermer, det generelle fagsprog samt al forskning inden for kunstig intelligens foregår på engelsk. Det er derfor blevet vurderet af fagmiljøet som en afgørende og grundlæggende forudsætning, at de kandidatstuderende på et specialiseret niveau lærer at argumentere og diskutere på engelsk. Desuden er læring på engelsk betydningsfuld for, at de studerende kan følge, diskutere og omsætte den forskningsmæssige udvikling inden for kunstig intelligens, på et specialiseret niveau. Samtidig vil den rutine i at tale og skrive på engelsk, som de studerende opbygger, gøre dem mere attraktive for virksomheder, der agerer på et internationalt marked, hvor kommunikationen oftest foregår på engelsk. Dette er blandt andet blevet udtrykt af Rambøll og Novo Nordisk i forbindelse med behovsundersøgelsen.

I det følgende uddybes behovet for uddannelsen både i Odense og Vejle:

Kandidatuddannelsen i kunstig intelligens på Syddansk Universitet er unik i sin sammensætning.

SDU ansøger også om en kandidatuddannelse i kunstig intelligens på det kommende IT-campus i Vejle.
Denne kandidatuddannelse vil fokusere mere på den tekniske udfoldelse af AI og mere på samarbejde med lokale
virksomheder i Trekantområdet (Kolding, Vejle og Fredericia).

På campus i Odense tones uddannelsens unikke perspektiv ved, at de studerende har mulighed for at vælge valgfag og vejledere fra de øvrige fakulteter på samme campus. De kan for eksempel kombinere AI med det sundhedsvidenskabelige område med videre.

Vi forventer at uddanne 20 dimittender det første år, 30 det andet år og efterfølgende 40 pr. år.

Det anslåede antal beror dels på antallet af bachelorstuderende i kunstig intelligens i Odense samt SDUs aftagerundersøgelser fra 2024 og de nyeste undersøgelser om behovet for dimittender med kompetencer inden for kunstig intelligens. Tilsammen indikerer dette et aktuelt behov og en forventet markant stigning i fremtiden. Der er en direkte efterspørgsel efter specialister i AI, som kan understøtte virksomheder og den offentlige sektor i at anvende og drage nytte af AI.

Den samlede behovsundersøgelse består af:

1. Danmarks strategi inden for kunstig intelligens, 2019. Rapporten: Er nordiske organisationer klar til AI?.
   En undersøgelse fra: Dansk Erhverv og IT-branchens barometer-undersøgelse 2024.
   
   


2. SDUs aftagerundersøgelse. Bestående af nøglepersoner eller ledere fra virksomheder, en klynge og en organisation på tværs af brancher i Danmark: 1) Dialogmøde med IMADAs aftagerpanel med repræsentanter fra: Autorola Group, Palantir Technologies, KMD, Nordfyns Gymnasium, NEWTEC Engineering og Universal Robots. 2) En aftagerundersøgelse baseret på 15 interviews med 14 virksomheder, og 1 virksomhed har besvaret skriftligt suppleret med en telefonsamtale: Jeros, Australian Bodycare, Lactosan, Kompan, Hesehus, Orifarm, Energinet, Bankdata, Odense Kommune, Rambøll, Novo Nordisk, DSB, KPMG, Erhvervshus Fyn, Odense Robotics - Danmarks nationale robot- og droneklynge.
   
   


3. Støtteerklæringer fra: Erhvervshus Fyn, Jeros, Odense Robotics, Odense Kommune, Hesehus og Rambøll.

Der henvises desuden til arbejdsmarkedsbehovsundersøgelsen i vedlagte bilag.

Aftagerne bekræfter et konkret og stigende behov for specialister i kunstig intelligens og bekræfter, at disse specialister bør have følgende nøglefokus, som allerede er en del af uddannelsen:

• Den brede kombinationen af samfundsvidenskab, teknik og forretning bekræftes som ideel


• Teknisk styrke som fundament for videreudvikling med AI fremhæves som vigtigt


• Forretnings- og anvendelsesperspektiv - at skabe merværdi med kunstig intelligens i forretningen samt evne til at omsætte teori til praksis, fremhæves som vigtig


• Mennesket i centrum - etikken og samfundsperspektivet fremhæves som vigtig


• Forståelse af lovgivningen i relation til AI fremhæves som vigtig

Aftagerne har anbefalet følgende nye perspektiver, der er indarbejdet på uddannelsen:

• I skal have mere samarbejde med virksomheder eller med cases fra den virkelige verden
  Der indføres: Casearbejde. Valgfag i "Virksomhedsprojekt i AI". Mulighed for virksomhedssamarbejde ifb. med specialet samt workshops med virksomheder.
  
  


• Brugerperspektiver er vigtige
  Valgfaget ”Interaktionsdesign” kan vælges på Humaniora.
  
  


• Mulighed for mere tværfagligt AI
  Tværfagligt vejlederskab med universitetets øvrige fakulteter ifb. med specialet.

Kandidat i kunstig intelligens:

• Kandidaten i Kunstig Intelligens i Odense er unik i forhold til sit fokus på det samfundsmæssige og humanistiske perspektiv, og er dermed ikke direkte beslægtet til nogle af de eksisterende uddannelser i Danmark.

Delvis beslægtede uddannelser med begrænset fagligt overlap:

• Data Science, på SDU i Kolding(engelsk) på SDU i Odense (dansk). Til andre målgrupper, der ikke i forvejen har en baggrund i Software Engineering eller Datalogi. Dimittenderne vil nå et lavere fagligt niveau inden for AI.

Uddybes under uddybende bemærkninger:

• Data Science, på AU og på IT-universitet. (1a).
• Datalogi på SDU, AUU, AU, RUC, IT-universitetet. (1b).
• Datavidenskab og Machine Learning, Design og Advanced Powered Electronics på AAU. (1c).
• Human-centered AI og AI and Autonomous Systems på DTU. (1d).

Der henvises til øvrige minimalt beslægtede uddannelser i aftagerundersøgelsen.

Efterspørgslen efter IT-specialister er høj, og kompetencer inden for kunstig intelligens er særligt eftertragtede. Fremadskuende forventes en overefterspørgsel efter behovet for disse færdigheder. Seneste opgørelse af 4.-7. kvt. ledighedstal for beslægtede uddannelser ligger på 0-5%.

(1a) Data Science på AU og IT-Universitetet fokuserer på data med emner som fx databehandling, avanceret statistik, big data og visualisering. De fokuserer ikke på andre former for AI, som blandt andet logiske og symbolske metoder eller udvikling af store AI-systemer.

(1b) Datalogiuddannelserne indeholder typisk valgfag i avanceret maskinlæring, men de dækker ikke andre emner inden for AI. De forholder sig heller ikke til samfundsmæssige og forretningsmæssige konsekvenser ved brug af AI.

(1c) Datavidenskab og Machine Learning, Design og Advanced Powered Electronics på AAU fokuserer på data med emner som fx databehandling, avanceret statistik, big data og visualisering. De fokuserer ikke på andre former for AI, som blandt andet logiske og symbolske metoder eller udvikling af store AI-systemer.

(1d) Human-centered AI og AI and Autonomous Systems på DTU er anvendelsesfokuserede uddannelser, men de mangler nogle af de mere teoretiske fag. De har også bredere adgangskrav, hvilket betyder, at de ikke kræver, at de studerende har nogen baggrund i AI forud for uddannelsesstart, og derved opnås et mindre dybt niveau.

Syddansk Universitet ansøger også om en kandidatuddannelse i kunstig intelligens på det kommende IT-campus i Vejle. Denne kandidatuddannelse vil fokusere mere på den tekniske udfoldelse af AI og mere på samarbejde med lokale virksomheder i trekantområdet (Kolding, Vejle og Fredericia).

Fagmiljøet har vurderet, at denne kandidatuddannelse, med sit brede og unikke fokus på anvendelse af kunstig intelligens, ikke kan rummes inden for andre uddannelser, som for eksempel i en kandidatuddannelse i Datalogi. Dette betyder, at det kun med en ny uddannelse er muligt at dække den omfattende læring om værdiskabelse med AI, hvor alle relevante vidensområder er medtaget: AI-teknologi, etik, jura, AI-anvendelse, forretning, samfund og individ.

Kandidatuddannelsen i kunstig intelligens i Odense har et unikt bredt fokus, der samler teknisk styrke, anvendelse, forretningssans, forståelse for lovgivning, etik og et samfundsorienteret perspektiv i én uddannelse.

Rekrutteringsgrundlaget er danske og til dels internationale studerende med interesse for arbejdet med at indføre nye teknologier - med brug af kunstig intelligens - ind i forretningsprocesser til gavn for virksomheders vækst og konkurrenceevne samt til gavn for samfundet og individet, herunder brugere i den offentlige sektor.

Det primære rekrutteringsgrundlag forventes at være bachelorstuderende i kunstig intelligens og datalogi. Derudover vil det sekundære rekrutteringsgrundlag være internationale studerende, der har interesse for en bred tilgang til anvendelsen af AI.

Med uddannelsens brede tilgang til kunstig intelligens og med et internationalt optag, forventes der ikke konsekvenser for rekrutteringsgrundlaget til beslægtede uddannelser.

Kandidater kan efter endt uddannelse søge om optagelse på et ph.d.-forløb inden for kunstig intelligens.

Vi forventer et optag på 20 studerende det første år, 30 det andet år og 40 studerende om året derefter.

Ikke relevant.

Nej.