• Videregående kunnskap om systemer og teknologi for lagring og håndtering av data og informasjon, deres bruksområder og karakteristiske egenskaper
• Avansert kunnskap om teknologi, metoder og teknikker for indeksering, spørringer og søk i strukturerte data og ustrukturert informasjon som tekst og andre multimedia data
• Avansert kunnskap om metoder og teknikker for bearbeiding og analyse av strukturerte data og tekst
• Videregående kunnskap om samfunnsmessige, etiske og juridiske problemstillinger knyttet til lagring, forvaltning, publisering og bruk av data og informasjon
• Kan spesifisere, designe, implementere og evaluere systemer for lagring, oppdatering, indeksering, søk og analyse av strukturerte data, tekst og andre multimedia data
• Kan evaluere, velge og tilpasse eksisterende systemer og løsninger i forhold til definerte bruker-/kundebehov
• Kan analysere og vurdere systemer og løsninger i relasjon til ikke-tekniske forhold
• Kan anvende kunnskaper og ferdigheter på nye problemer og bidra i forsknings- og utviklingsprosjekter

Informasjon kommer

• Generell forståelse for det matematiske, komputasjonelle, sosiologiske, psykologiske og biologiske grunnlag for kunstig intelligens
• Oversikt over forskjellige metoder i kunstig intelligens, og hvordan og når disse er egnet for praktisk anvendelse
• Grundig forståelse av klassiske kunnskapsrepresentasjoner som logikk og sannsynligheter, samt de resonneringsmetoder som passer til dem
• Bred forståelse for selv-adaptivitet i både biologiske og kunstige systemer
• God kjennskap til hvordan AI-moduler både kan kombineres med hverandre og kommunisere med mennesker og andre maskinelle moduler
• Kan utvikle, lage og bruke automatiske resonnerings-, søkings- og problemløsnings-systemer som har grunnlag i datavitenskap, psykologi, sosiologi, spillteori og/eller biologi, for både deterministiske problemstillinger og de med mye usikkerhet
• Kan utrykke kunnskap i logiske, probabilistiske og andre kjente formalismer, og i situasjonsspesifikke så vel som generaliserte strukturer
• Kan kople AI-systemer til omverden, mennesker og andre maskiner (med bruk av sensorer, grensesnitt, kommunikasjonsnettverk, osv.), i både enkel og multi-agent kontekst
• Kan lage datasystemer som kan lære av egne erfaringer - dvs. egne riktige og feilaktige handlinger - slik at adferden og ytelsen forbedres over tid
• Kan analysere brukerens behov for beslutningsstøtte og designe og implementere tilsvarende beslutningsstøttesystemer

• Videregående kunnskap om programvarearkitektur for utvikling, integrasjon og evaluering av større IT-systemer
• Videregående kunnskap om metodikk for utvikling, integrasjon og evaluering av større IT-systemer i organisasjoner
• Kan identifisere, definere, analysere og evaluere forskjellige arkitekturer, rammeverk og utviklingsverktøy for IT-systemer i henhold til krav og kundebehov
• Kan jobbe effektivt med kundestyrte IT-prosjekter med krav, design, implementasjon, testing og prosessforbedring

• Ekspertise i analyse og syntese av visuelle data.
• Omfattende kunnskap om sentrale teknikker og modeller innen datasyn og visuell intelligens, datagrafikk, visualisering, og utvidet virkelighet (XR), inkludert kvalitets- og hastighetsevaluering av disse metodene.
• Erfaring med å designe systemer som i stor grad bygger på visuell databehandling (VC), for eksempel digitale tvillinger.
• Kjennskap til sentrale applikasjoner som bygger på visuell databehandling i ulike felt, inkludert autonomi, helse, biometri, kulturarv, sikkerhet, og maritime industrier