Kursplan - Big data och maskininlärning på molnapplikationer för industriella applikationer

Syfte

Denna kurs syftar till att ge studenterna en omfattande förståelse för grundläggande AI-koncept som möjliggör effektiv användning av stordata för att stödja smart beslutsfattande inom olika teknikområden. Studenterna kommer att lära sig hur man utvecklar AI-lösningar som hanterar branschspecifika utmaningar inom tillverkning, hållbara energisystem, byggnadsteknik samt produkt- och processutveckling. Kursen kommer att utrusta studenterna med kunskap och färdigheter för att tillämpa maskininlärningstekniker och arbetsflöden för stordatabehandling, med fokus på dataanalys för att optimera verksamheten och förbättra prestandan inom dessa sektorer. Vid slutet av kursen kommer studenterna att vara förberedda att ta itu med verkliga tekniska problem med hjälp av avancerade AI-drivna metoder för att förbättra effektivitet, hållbarhet och innovation.

Lärandemål

Efter avslutad kurs skall studenten kunna:

1. Förklara de grundläggande principerna för stordata och analysera viktiga datarelaterade utmaningar inom ingenjörsområden som tillverkning, energisystem och den byggda miljön.
2. Beskriva kärnbegrepp inom maskininlärning och identifiera förutsättningarna för att tillämpa stordata och maskininlärning i ingenjörstillämpningar.
3. Tillämpa lämpliga metoder för att bearbeta och analysera komplexa tekniska datamängder och tolka resultaten för att stödja beslutsfattande.
4. Utvärdera designöverväganden för att utveckla skalbara och produktionsklassade maskininlärningslösningar i industriella miljöer.
5. Visa förmåga att utveckla AI-baserade lösningar med hjälp av molnplattformar inom ramen för produkt- och processutveckling, byggnadsteknik eller energiteknik.

Innehåll

Kursen omfattar föreläsningar, uppgifter, laborationer och projektarbeten utformade för att ge studenterna en förståelse för hur stora data och maskininlärning kan tillämpas via molnplattformar inom olika teknikområden. Tonvikten ligger på verkliga datautmaningar och tillämpningar relevanta för tillverkning, produkt- och processutveckling, byggteknik och hållbara energisystem. Studenterna kommer att utforska datadrivna metoder för att stödja tekniskt beslutsfattande, operativ effektivitet och hållbar utveckling.

Särskild behörighet

120 hp inom teknik vari ingår minst 5 hp programmering i Python. Dessutom krävs Svenska 3 eller Svenska nivå 3 samt Engelska 6 eller Engelska nivå 2. I de fall kursen ges på engelska görs undantag från kravet på Svenska 3 eller Svenska nivå 3.

Examination

INL1, Inlämningsuppgift, 1 hp, examinerar lärandemål 1–2, betyg Underkänd (U) eller Godkänd (G) 
LAB1, Laboration, 3 hp, examinerar lärandemål 2, 3 och 5, betyg Underkänd (U) eller Godkänd (G) 
PRO1, Projektarbete, 3,5 hp, examinerar lärandemål 3 - 5, betyg Underkänd (U), 3, 4 eller 5

En student som har ett besked om riktat pedagogiskt stöd från MDU kan ansöka om anpassning vid examinationen. Det är examinatorn som beslutar om eventuell anpassning utifrån beskedet och förutsättningarna i övrigt.

Misstankar om vilseledande vid examination (fusk) anmäls, enligt högskole-förordningen, till rektor och prövas av universitetets disciplinnämnd. Om disciplinnämnden anser att en student gjort sig skyldig till en disciplinförseelse fattar nämnden beslut om en disciplinär åtgärd, vilket är varning eller avstängning för viss tid.

Betyg

Ges något av betygen 5, 4, 3

Övergångsbestämmelser och övriga föreskrifter

Kursen överlappar 7,5 hp med PPU485 Big data och maskininlärning på molnapplikationer för industriella applikationer, 7,5 hp med PPU442 Big data och maskininlärning på molnapplikationer för industriella applikationer, 7,5 hp med PPU433 Molnbaserad datahantering och analys för industriella system samt 3 hp med PPU483 Introduktion till tillämpad AI för tillverkningsindustrin.