AI-drevne applikationer

2025/2026
Engelsk titel
AI-driven applications
Uddannelse
Datamatiker - Lyngby
Datamatiker - Bornholm
Niveau
Erhvervsakademi
Start semester
4. Semester
Fagets varighed
1 semester
Opstart
Forår og Efterår
Ects
10
Udd. element
Valgfag
Tilmelding
Valgfag udbydes først senere og oprettes afhængigt af tilmeldinger. Du vil senere i dit uddannelsesforløb få mere besked fra din uddannelse om, hvilke valgfag du kan vælge.
Undervisningsprog
Dansk
Fagelement
Lokalt
Studiested
Cphbusiness Lyngby
Fagkode
4505412CL
  • Indhold og formål
    Formålet med dette valgfag er at give de studerende et praktisk og solidt kendskab til udvikling af softwareapplikationer, der integrerer Large Language Models (LLM’er) som eksterne API-services. Faget har fokus på brugen af kodeagenter i udviklingsprocessen samt udviklingen af apps, der anvender AI-modeller til databehandling, automatisering og interaktion gennem egne UI’er, dashboards eller visualiseringsværktøjer.
    Der arbejdes systematisk med kvalitetssikring af kode skrevet med hjælp fra kodeagenter, herunder brug af enhedstests, integrationstests, statisk analyse og code review. De studerende lærer at bruge kodeagenter til at foreslå tests, refaktoreringer og dokumentation – og efterfølgende kritisk at verificere, at den genererede kode faktisk virker og er vedligeholdelsesvenlig.
    De studerende arbejder med prompt engineering, API-design, dataflow, dataintegration, synkronisering, sikkerhed og deployment af AI-drevne løsninger. Faget kombinerer teoretiske gennemgange med hands-on øvelser, mindre projekter og løbende opbygning af personligt portfolio.
  • Læringsmål
    Viden
    Den studerende har viden om:
    • LLM’er og deres rolle i moderne softwareapplikationer.
    • API-integration af eksterne AI-modeller. Herunder asynkron programmering.
    • Grundlæggende principper for prompt engineering og kontekststyring.
    • Sikkerheds- og etiske overvejelser ved AI-baserede systemer.
    Færdigheder
    Den studerende kan:
    • Udvikle AI-drevne applikationer med backend, UI og API-integration til LLM’er.
    • Anvende kodeagenter i softwareudvikling og kvalitetssikring, bl.a. til at generere forslag til kode, tests og dokumentation – og efterfølgende kunne vurdere, tilpasse og teste disse forslagUdforme system- og user-prompts, herunder struktureret output.
    • Implementere dashboards eller visualiseringer af AI-genererede data.
    Kompetencer
    Den studerende kan:
    • Udvikle og deploye en komplet AI-drevet applikation fra idé til færdigt produkt.
    • Kritisk vurdere kvaliteten og robustheden af kode, der helt eller delvist er genereret af kodeagenter, og kunne begrunde de valgte tiltag til test, logging og review.
    • Vurdere anvendelighed og begrænsninger af AI-modeller i softwareløsninger.
    • Indgå professionelt i udviklingsteams, der anvender kodeagenter som værktøj i udviklingsprocessen.
  • Eksamen
    Læringsmålene for eksamen er identiske med fagets læringsmål
    AI-drevne applikationer
    Forudsætninger for indstilling til eksamen
    Den studerende skal have opnået minimum 80% af de study points, der er knyttet til semesteret for at blive indstillet til eksamen.
    Afleveringsfrister og uddybende beskrivelse af study point opgaver findes på holdets Moodle flow.
    Faget prøves
    Faget/modulet prøves med flg. fag
    Eksamensform
    Skriftlig aflevering med mundtlig eksamen
    Ects
    10 ECTS
    Varighed
    30 minutter
    • 10 minutters præsentation af udvalgte cases fra den studerendes portfolio.
    • 15 minutters faglig dialog om den studerendes portfolio med udgangspunkt i præsentationen.
    • 5 minutters votering.
    Der udleveres en opgave i forbindelse med eksamen
    Nej
    Opgavetype
    Portfolio
    Formkrav
    Link til Portfolio i GitHub.
    Individuel eller gruppeeksamen
    Individuel
    Anvendt sprog til eksamen
    Dansk (Norsk/Svensk)
    Karakterskala
    7-trins skala
    Bedømmelsestype
    Intern censur
    Kriterier for prøvevurdering
    • Kvaliteten af den studerendes portfolio samt dækning af kursets emner.
    • Den studerendes evne til at forklare brugen af de anvendte AI-teknikker, API-integrationer og softwarearkitektur.
    • Den studerendes evne til at redegøre for, hvordan kvaliteten af den AI-genererede kode er blevet sikret (tests, logging, overvågning og manuelt review).
    • Individuel refleksion over sikkerhed, etik og tekniske valg
    Tidsmæssig placering
    4. Semester
    Ved udgangen af 4. semester.
    Re- og sygeeksamen
    Der gælder samme regler som for den ordinære eksamen.
    Eksamen kan omlægges til online eksamen, hvis eksamen skønnes egnet.