38113 Anvendt AI for Entreprenører

2024/2025

Dette kursus henvender sig til studerende på MSc i Teknologientreprenørskab
Kursusinformation
Applied AI for Entrepreneurs
Engelsk
5
Kandidat
Generel retningskompetence (MSc), Autonomous Systems
Generel retningskompetence (MSc), Computer Science and Engineering
Generel retningskompetence (MSc), Technology Entrepreneurship
Retningsspecifikt kursus (MSc), Autonomous Systems
Retningsspecifikt kursus (MSc), Computer Science and Engineering
E2B (tors 8-12)
Campus Lyngby
Forelæsning/​diskussioner, præsentationer, cases, online materiale, projektgruppearbejde.
13-uger
Aftales med underviser
Mundtlig eksamen og bedømmelse af rapport(er)
Studerende skal aflevere fire gruppeopgaverapporter i løbet af semesteret. Hver grupperapport udgør 15% af den endelige karakter. Individuelt bidrag til opgaverapporterne skal specificeres, og vurderingen er individuel baseret på det specificerede individuelle bidrag. Ved udgangen af semesteret udføres en gruppepræsentation, som udgør 40% af den endelige karakter.
Alle hjælpemidler - med adgang til internettet
7-trins skala , intern bedømmelse
42387
38105
Minimum 15
Michael Kai Petersen , Lyngby Campus, Bygning 371 , mkai@dtu.dk
Thomas James Howard , Lyngby Campus, Bygning 372 , thow@dtu.dk
42 Institut for Teknologi, Ledelse og Økonomi
38 DTU Entrepreneurship
I studieplanlæggeren
Overordnede kursusmål
Formålet med kurset er at introducere studerende til teknologier der kan skalere startups ved at udnytte potentialet i generativ AI, baseret på anvendelse af høj niveau udviklingssplatforme for design af prototype koncepter, samt vurdering af forretningspotentiale og samfundsmæssig betydning.
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
  • Identificere troværdige AI anvendelser der adresserer brugerbehov
  • Sammenligne AI muligheder for at optimere markedsværdi
  • Kombinere AI funktionaliteter til produkter for potentielle kunder
  • Anvende AI teknologier til at prototype multimodale koncepter som cloud løsninger eller integreret med hardware
  • Evaluere AI koncepter og sikre data transparens baseret på forskellige typer af metrik
  • Vurdere AI potentiale i forhold til udfordringer i implementation
  • Optimere markedsværdi for implementation af AI prototype
  • Definere agil strategi der maksimerer anvendelse af AI
Kursusindhold
Kurset fokuserer på at prototype generative AI koncepter, kombineret med modellering af forretningsmuligheder der optimerer markedsværdi. Forelæsninger introducerer høj niveau udviklingsplatforme for design af GPT sprogmodel (LLM) applikationer og diffusions baseret billedgenerering med brug af Jupyter Notebook eksempler. Baseret på videoer der forklarer Python kode eksempler, vil forelæsningerne introducere forretningsmæssige anvendelser fra SWOT analyse og design thinking til startup scenarie simulering, ved at konceptualisere LLM applikationer der udbygger GPT modeller med chain-of-thought (COT) agenter samt retrieval augmented generation (RAG) af indhold.
Litteraturhenvisninger
Online videoer, Jupyter Notebook Python kode eksempler, samt videnskabelige artikler der vil være tilgængelige i DTU Learn.
Sidst opdateret
02. maj, 2024