HBAPS001FU Programmering 2 og generative sprogmodeller

Årgang 2026/2027
Engelsk titel

Programming 2 and Generative Language Models

Uddannelse

Tilvalgsfagpakken i AI, programmering og sprogteknologi

 

Tilvalgsfagpakkerne er kun åbne for HUM-studerende fra Københavns Universitet.

Kursusindhold

Kurset adresserer videregående programmering samt generative sprogmodeller, herunder forskellige teknikker til forbedring af sprogmodellernes resultater. Kurset adresserer desuden bæredygtig AI ved at undersøge sprogmodellers klimabelastning og ved fx at bruge modeller der fokuserer på bestemte relevante emneområder. Desuden vil der blive lagt vægt på at de studerende ved hjælp af anerkendte metrikker kan evaluere generative sprogmodeller ud fra en sproglig, samfundsmæssig og kulturelt relevant kontekst for derved at kunne håndtere problematikker omkring samfundsmæssig inklusion og informationsintegritet.

Målbeskrivelser

Ved undervisningens afslutning kan den studerende demonstrere:

 

Viden om og forståelse af:

  • videregående begreber og teknikker inden for programmering
  • sprogmodellers overordnede opbygning og virkemåde, og hvordan man kan evaluere dem
  • mere bæredygtige teknikker for træning og brug af sprogmodeller.

 

Færdigheder i at:

  • anvende programmeringsteknikker til let avancerede programmeringsopgaver relateret til sprogmodeller
  • efterprocessere sprogmodellernes resultater med fx Retrieval Augmented Generation eller andre In-Context-Learning-teknikker.

 

Kompetencer til at:

  • indgå i et tværfagligt samarbejde, hvor indsigt i sprogmodellers virkemåde er væsentlig for valg af metoder, teknikker og værktøjer ved brug af sprogrelateret AI
  • selvstændigt programmere rutiner, der kan forbedre sprogmodellernes resultater ved hjælp af eksterne ressourcer og redegøre for de metodiske valg i forbindelse hermed
  • evaluere sprog-relaterede AI-løsninger med baggrund i et dels teknisk, dels sprogvidenskabeligt/​humanistisk begrebsapparat.

Pensum fastlægges af underviseren.

Holdundervisning med aktiv inddragelse af de studerende, herunder bl.a. øvelser, som de studerende vil løse i forbindelse med undervisningen med vejledning af underviseren, eller oplæg fra de studerende.

Praksissamarbejde gennemføres med en kommune eller anden organisation der arbejder med chatbots på deres hjemmeside, og som kunne være med til at stille opgaver til de studerende.
  • Kategori
  • Timer
  • Holdundervisning
  • 56
  • Forberedelse (anslået)
  • 248,5
  • Øvelser
  • 28
  • Eksamen
  • 80
  • I alt
  • 412,5
Mundtlig
Kollektiv
Løbende feedback i undervisningsforløbet
Point
15 ECTS
Prøveform
Hjemmeopgave , 11-15 ns. Der gives 10 dage til besvarelsen.
Prøveformsdetaljer
Bunden hjemmeopgave.

Gruppeprøvebestemmelser: Prøven kan aflægges individuelt eller som gruppeprøve (maks. 3 studerende) med individuel bedømmelse. Ved gruppeprøver skal hver enkelt deltagers bidrag være en afrundet helhed, der er identificeret og kan bedømmes for sig. Deltagernes fællesbidrag af den samlede besvarelses omfang må ikke overstige 50 %.
Omfang ved gruppeprøve: 17-23 ns. (2 studerende), 23-31 ns. (3 studerende).

Programmering indgår som en væsentlig komponent i eksamensopgaven.
Hjælpemidler
Alle hjælpemidler tilladt

For regler om generativ kunstig intelligens, se Studieinformation.

Bedømmelsesform
7-trins skala
Censurform
Ingen ekstern censur
Reeksamen

Samme som den ordinære prøve.

Kriterier for bedømmelse

Ved den afsluttende prøve kan den studerende demonstrere:

 

Viden om og forståelse af:

  • videregående begreber og teknikker inden for programmering
  • sprogmodellers overordnede opbygning og virkemåde
  • mere bæredygtige teknikker for træning og brug af sprogmodeller.

 

Færdigheder i at:

  • anvende programmeringsteknikker til let avancerede programmeringsopgaver relateret til sprogmodeller
  • efterprocessere sprogmodellernes resultater med fx Retrieval Augmented Generation eller andre In-Context-Learning-teknikker.

 

Kompetencer til at

  • selvstændigt programmere rutiner, der kan forbedre sprogmodellernes resultater ved hjælp af eksterne ressourcer og redegøre for de metodiske valg i forbindelse hermed
  • evaluere sprogrelaterede AI-løsninger med baggrund i et dels teknisk, dels sprogvidenskabeligt/​humanistisk begrebsapparat.