Intelligenta tjänster, 7,5 hp
Intelligent Services, 7.5 credits
Kurskod: IK8014
Akademin för informationsteknologi
Nivå: Avancerad nivå
Välj kursplan
Fastställd av: Forsknings- och utbildningsnämnden, 2024-09-18 och gäller studenter antagna vårterminen 2025.
Huvudområde med fördjupning
Informatik, Avancerad nivå, har kurs/er på avancerad nivå som förkunskapskrav. (A1F)Behörighetskrav
Kursen Tjänster i det digitala samhället 15 hp. Undantag ges för kravet på svenska. Engelska 6.
Kursens inplacering i utbildningssystemet
Kursen ingår i Masterprogram i digital tjänsteinnovation, 120 hp. Kursen ges även som fristående kurs.
Mål
Kursens mål är att studenten ska förstå den tekniska logiken och strukturen bakom intelligenta tjänster. Genom att låta studenten möta problemformuleringar på affärsnivå, analys av mängd och kvalitet av tillgänglig data, samt selektion av lämpliga algoritmer och utvärdering av resultat, är målet att studenterna uppnår förståelse för möjligheter och begränsningar med olika metoder inom datamining.
Efter avslutad kurs ska studenten kunna:
Kunskap och förståelse
- beskriva den digitala teknikens grundläggande egenskaper och intelligenta tjänsters bakomliggande digitala logik
- beskriva säkerhetsrisker relaterade till digital teknik och samhällets digitalisering
- identifiera klasser av problem som kan adresseras med datamining-metoder
- beskriva olika datamining-algoritmer och redogöra för deras möjligheter och begränsningar
Färdighet och förmåga
- formulera krav på dataanalys för intelligenta tjänster
- välja lämpliga metoder och göra rimliga överväganden för att lösa ett specifikt dataanalysproblem
- använda resultat av dataanalys i design och utvärdering av intelligenta tjänster
Värderingsförmåga och förhållningssätt
- kritiskt analysera och värdera intelligenta tjänsters bakomliggande struktur ur säkerhets-, etiska och integritetsmässiga perspektiv.
Innehåll
Kursen behandlar den underliggande digitala teknik som digital tjänsteinnovation vilar på. Särskilt tas datamining-koncept, -algoritmer och verktyg för intelligenta tjänster upp. I kursen ingår ett laborativt moment i två delar. I den första modellerar studenterna i grupp en digital tjänst och formulerar krav på dataanalys som gör den intelligent. I den andra delen utgår studenterna från en given dataanalys som resurs för att modellera en intelligent tjänst.
Undervisningsspråk
Undervisning
Undervisningen består av föreläsningar samt laboratorieövningar med handledning. Självständigt projekt utförs i grupp för att modellera en intelligent tjänst med de metoder för datamining som presenteras i kursen.
Betygsskala
Examinationsformer
Examination består av skriftlig rapport och laborationsrapport.
1902: Laborationsrapport, 2,5 hp
Sexgradig skala, bokstavsbetyg (FA): Underkänd (F), Tillräckligt (E), Tillfredsställande (D), Bra (C), Mycket bra (B), Utmärkt (A)
2001: Skriftlig rapport, 5 hp
Sexgradig skala, bokstavsbetyg (FA): Underkänd (F), Tillräckligt (E), Tillfredsställande (D), Bra (C), Mycket bra (B), Utmärkt (A)
Undantag från angiven examinationsform
Om särskilda skäl finns får examinator göra undantag från angiven examinationsform och medge att en student examineras på annat sätt. Särskilda skäl kan till exempel vara beslut om riktat pedagogiskt stöd.
Kursvärdering
I kursen ingår kursvärdering. Denna är vägledande för utveckling och planering av kursen. Kursvärderingen dokumenteras och redovisas för studenterna.
Kurslitteratur och övriga läromedel
Litteraturlista 2025-01-20 – Tills vidare
Amershi, Saleema., Weld, Dan., Vorvoreanu, Mihaela., Fourney, Adam., Nushi, Besmira., Collisson, Penny., Horvitz, Eric. Guidelines for human-AI interaction. In Proceedings of the 2019 CHI conference on human factors in computing systems (2019) s 1-13.
Engel, Christian., & Ebel, Philipp. Data-driven service innovation: a systematic literature review and development of a research agenda. ECIS 2019 Proceedings. (2019).
Grudin, Jonathan. AI and HCI: Two fields divided by a common focus. AI magazine, 30 (2009) 4, s 48-48.
Wärnestål, Pontus. Designing AI-Powered Services. Studentlitteratur, 2022.
Xu, Wei. Toward human-centered AI: a perspective from human-computer interaction. interactions, 26 (2019) 4, s 42-46.
Yang, Qian., Steinfeld, Aaron., Rosé, Carolyn., & Zimmerman, John. Re-examining whether, why, and how human-AI interaction is uniquely difficult to design. In Proceedings of the 2020 CHI conference on human factors in computing systems. (2020) s 1-13.