Kursplan - Introduktion till tillämpad AI för tillverkningsindustrin

Syfte

Syftet med denna kurs är att ge studenterna grundläggande kunskaper i att hantera och bearbeta data för att bygga AI-applikationer för tillverkningsindustrin. 

Lärandemål

Efter avslutad utbildning skall studenten kunna: 
1. Förstå grundläggande principerna för maskininlärning och big data
2. Förstå de viktigaste förutsättningarna och utmaningarna med att använda big data och maskininlärning inom tillverkningsindustrin 
3. Förstå och tillämpa verktyg för analys av stora datamängder och presentera analysresultatet  
4. Visa förmåga att praktiskt och teoretiskt omsätta sina kunskaper inom tillämpad AI inom tillverkningsindustri 

Innehåll

Kursen innehåller föreläsningar, projektarbete, inlämningsuppgift och laborationsövningar där studenten får kunskaper om:
- Grundläggande om big data och maskininlärning  
- Maskininlärningsalgoritmer och verktyg  
- Tillämpningar av big data och maskininlärning inom tillverkningsindustri   

Särskild behörighet

75 hp inom produktionsteknik, maskinteknik, produkt- och processutveckling, datateknik och /eller datavetenskap eller motsvarande eller 40 hp inom teknik samt minst 2 års yrkeserfarenhet på heltid från relevant område inom industrin.
Dessutom krävs Svenska B/Svenska 3 samt Engelska A/Engelska 6. I de fall kursen ges på engelska görs undantag från kravet på Svenska B/Svenska.

Examination

Inlämningsuppgift (INL1), 1 hp, betyg Underkänd (U) eller Godkänd (G) (examinerar lärandemål 1-2) 
Projekt (PRO1), 1 hp, betyg Underkänd (U), 3, 4 eller 5 (examinerar lärandemål 4) 
Laboration (LAB1), Laborationer med tillämpningar av IIoT, 1 hp, betyg Underkänd (U) eller Godkänd (G) (examinerar lärandemål 3)

En student som har ett intyg från MDU avseende sin funktionsnedsättning har möjlighet att anmäla önskemål om anpassning vid salstentamina eller annan examinationsform i enlighet med Regler och anvisningar för examination på grundnivå och avancerad nivå vid Mälardalens högskola (2020/1655). Det är examinator som, utifrån det intyg som utfärdats, beslutar om eventuell anpassning och i så fall vilken anpassning som ska gälla.

Misstankar om vilseledande vid examination (fusk) anmäls, enligt högskoleförordningen, till universitetets 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.

Betyg

Ges något av betygen 5, 4, 3

Övergångsbestämmelser och övriga föreskrifter

Kursen överlappar 3 hp med PPU433 Molnbaserad datahantering och analys för industriella system, 3 hp med PPU442 Big data och maskininlärning på molnapplikationer för industriella applikationer, 3 hp med PPU485 Big data och maskininlärning på molnapplikationer för industriella applikationer samt 3 hp med PPU440 Big data och molntjänster för industriella tillämpningar.