Kursplan för
Maskininlärning för sakernas internet (IoT)
Machine Learning for Internet of Things (IoT)
EITP40, 7,5 högskolepoäng, A (Avancerad nivå)
Gäller för: Läsåret 2022/23
Fakultet: Lunds tekniska högskola
Beslutad av: Programledning C/D
Beslutsdatum: 2022-09-09
Allmänna uppgifter
Valfri för: C4-ks, D4-is, D4-ns, E4, F4, I4-pvs, MWIR2
Undervisningsspråk: Kursen ges på engelska
Syfte
Kursens syfte är att ge en introduktion till artificiell
intelligens och maskininlärning för IoT, till exempel bärbara
sensorer för hälsa.
Mål
Kunskap och förståelse
För godkänd kurs skall studenten
- ha kunskap om IoT området och möjligheterna och
begränsningarna med IoT
- ha kunskap om moderna artificiell intelligens och
maskininlärningsmetoder
- ha kunskap om moderna artificiell intelligens och
maskininlärningsmetoder för IoT, till exempel bärbara sensorer
för hälsa och medicinsk informatik.
Färdighet och förmåga
För godkänd kurs skall studenten
- Kunna analysera tillämpningsbarheten av
maskininlärningsmetoder för IoT
- Kunna använda och implementera moderna artificiell intelligens
och maskininlärning för IoT
- Kunna bedöma och validera maskininlärningsmetoder för
IoT
Värderingsförmåga och förhållningssätt
För godkänd kurs skall studenten
- Visa kunskaper om möjligheterna och begränsningarna med
artificiell intelligens och maskininlärning för IoT
- Självständigt kunna ställa upp och implementera
maskininlärning modeller för IoT, samt uppskatta
tillförlitlighet på resultat
Kursinnehåll
- introduktion till IoT och möjligheterna och begränsningarna
med artificiell intelligens och maskininlärning för IoT
- introduktion till artificiell intelligens och maskininlärning
för IoT, till exempel bärbara sensorer för hälsa
- maskininlärning för IoT och distribuerade resursbegränsade
plattformar.
Kursens examination
Betygsskala: TH - (U,3,4,5) - (Underkänd, Tre, Fyra, Fem)
Prestationsbedömning: Fullgjorda laborationer ger betyg godkänt (3). För betyg fyra eller fem krävs dessutom godkänd programmeringsprojektet.
Om så krävs för att en student med varaktig funktionsnedsättning ska ges ett likvärdigt examinationsalternativ jämfört med en student utan funktionsnedsättning, så kan examinator efter samråd med universitetets avdelning för pedagogiskt stöd fatta beslut om alternativ examinationsform för berörd student.
Antagningsuppgifter
Förutsatta förkunskaper: Programmering, grundläggande matematisk statistik,
statistiska metoder, algebra.
Begränsat antal platser: 20
Urvalskriterier: Avklarade högskolepoäng inom programmet. Förtur ges till studenter vars program har kursen listad i läro- och timplanen.
Kurslitteratur
- Andreas Lindholm, Niklas Wahlström, Fredrik Lindsten and Thomas B. Schön: Machine Learning, A First Course for Engineers and Scientists. Tillgänglig online http://smlbook.org/.
- Ian Goodfellow, Yoshua Bengio, Aaron Courville: Deep Learning. MIT Press, 2016.
- Pete Warden, Daniel Situnayake: TinyML:, Machine Learning with TensorFlow Lite on Arduino and Ultra-Low-Power Microcontrollers. O'Reilly Media, 2020.
Kontaktinfo och övrigt
Kursansvarig: Amir Aminifar, amir.aminifar@eit.lth.se