Detta är en intern version som kan innehålla ofullständig eller ännu ej beslutad studieinformation.

Generativ AI för datakompression och transmission, 6 hp

Generative AI for Data Compression and Transmission, 6 credits

TSKS18

Huvudområde

Elektroteknik

Utbildningsnivå

Avancerad nivå

Kurstyp

Programkurs

Undervisningstid

Preliminär schemalagd tid: 0 h
Rekommenderad självstudietid: 160 h

Tillgänglig för utbytesstudenter

Information om möjliga avsteg från kursplan/utbildningsplan

VOF = Valbar / Obligatorisk / Frivillig

Kursen ges för		Termin	Period	Block	Språk	Ort/Campus	VOF
6CYYY	Civilingenjör i teknisk fysik och elektroteknik	9 (HT 2026)	1	1	Engelska	Linköping, Valla	V
6CYYY	Civilingenjör i teknisk fysik och elektroteknik (Datadriven analys och maskinintelligens)	9 (HT 2026)	1	1	Engelska	Linköping, Valla	V
6CYYY	Civilingenjör i teknisk fysik och elektroteknik (Kommunikation)	9 (HT 2026)	1	1	Engelska	Linköping, Valla	V
6MDSI	Data Science and Information Engineering, masterprogram ("Connectivity")	3 (HT 2026)	1	1	Engelska	Linköping, Valla	O

Kursplanen är preliminär

Huvudområde

Elektroteknik

Utbildningsnivå

Avancerad nivå

Fördjupningsnivå

A1F

Kursen ges för

Civilingenjörsprogram i teknisk fysik och elektroteknik
Masterprogram i Data Science and Information Engineering

Rekommenderade förkunskaper

Envariabelanalys, linjär algebra (t.ex. matriser), sannolikhetslära, Grunder i maskininlärning, Python-programmeringskunskaper, t.ex. för att träna en maskininlärningsmodell

Lärandemål

Efter att ha avslutat kursen bör studenten kunna:

förklara de teoretiska grunderna för djup generativ modellering, inklusive metoder för att modellera en sannolikhetstäthetsfunktion, nätverksstruktur, förlustfunktion och träningsrutiner;
implementera och träna generativa AI-modeller för att generera ny data, och tillämpa dessa modeller i ett system för datakompression och transmission;
analysera och utvärdera effektiviteten av en lösning baserad på generativa modelleringstekniker för datakompression och transmission;
reflektera över konsekvenser och etiska överväganden av att använda generativa AI-verktyg.

Mål 1, 3 och 4 uppfylls genom föreläsningarna och handledningarna, och bedöms via den skriftliga tentamen. Mål 2 och 3 uppfylls av labbsessioner, och bedöms via labbrapporter. Mål 4 uppfylls ytterligare av kamratbedömning.

Kursinnehåll

Denna kurs ger en introduktion till generativa modeller, deras tillämpningar för datakompression och transmission, samt deras konsekvenser och etiska överväganden. Detta inkluderar: introduktion till sannolikhetsbaserad generativ modellering; generativa modeller (inklusive variational autoencoders, generativa motståndarnätverk, diffusionsmodeller, flödesbaserade modeller, energibaserade modeller, transformatorer); ramverk och tekniker för datakompression och transmission baserad på generativ AI, inklusive neural kompression, avvägning mellan takt, distorsion och perception, latent kodning, gemensam käll- och kanalkodning; integritet, säkerhet och etiska överväganden kring generativ AI.

Examination

LAB1	Datorbaserad laboration	2 hp	U, G
TEN1	Skriftlig tentamen	4 hp	U, 3, 4, 5

Betygsskala

Fyrgradig skala, LiU, U, 3, 4, 5

Institution

Institutionen för systemteknik

Kurslitteratur

Böcker

Tomczak, Jakub M, (2024) Deep generative modeling. 2nd ed. Cham : Springer, 2024.
ISBN: 9783031640872, 303164087X

Artiklar

Blau, Yochai, Michaeli, Tomer, Rethinking Lossy Compression: The Rate-Distortion-Perception Tradeoff ICML pp. 675-685, 2019
Bourtsoulatze, E., Burth Kurka, D., Gunduz, D., Deep Joint Source-Channel Coding for Wireless Image Transmission IEEE Transactions on Cognitive Communications and Networking vol. 5, no. 3, pp. 567-579, Sept. 2019.
Dai, Jincheng, Qin, Xiaoqi, Wang, Sixian, Xu, Lexi, Niu, Kai, Zhang, Ping, Deep Generative Modeling Reshapes Compression and Transmission: From Efficiency to Resiliency IEEE Wireless Communications vol. 31, no. 4, pp. 48-56, August 2024
Yibo Yang, Stephan Mandt and Lucas Theis, An Introduction to Neural Data Compression Foundations and Trends in Computer Graphics and Vision Vol. 15: No. 2, pp 113-200. 2023

Kod	Benämning	Omfattning	Betygsskala
LAB1	Datorbaserad laboration	2 hp	U, G
TEN1	Skriftlig tentamen	4 hp	U, 3, 4, 5

Rättigheter och skyldigheter som student (inloggning krävs)
Linköpings universitets generella regelverk

Litteraturlistan är preliminär.

Böcker

Tomczak, Jakub M, (2024) Deep generative modeling. 2nd ed. Cham : Springer, 2024.

ISBN: 9783031640872, 303164087X

Artiklar

Blau, Yochai, Michaeli, Tomer, Rethinking Lossy Compression: The Rate-Distortion-Perception Tradeoff ICML pp. 675-685, 2019

Bourtsoulatze, E., Burth Kurka, D., Gunduz, D., Deep Joint Source-Channel Coding for Wireless Image Transmission IEEE Transactions on Cognitive Communications and Networking vol. 5, no. 3, pp. 567-579, Sept. 2019.

Dai, Jincheng, Qin, Xiaoqi, Wang, Sixian, Xu, Lexi, Niu, Kai, Zhang, Ping, Deep Generative Modeling Reshapes Compression and Transmission: From Efficiency to Resiliency IEEE Wireless Communications vol. 31, no. 4, pp. 48-56, August 2024

Yibo Yang, Stephan Mandt and Lucas Theis, An Introduction to Neural Data Compression Foundations and Trends in Computer Graphics and Vision Vol. 15: No. 2, pp 113-200. 2023

Ladda ner

Ladda ner kurslitteratur som PDF

I = Introducera, U = Undervisa, A = Använda

		I	U	A	Moduler	Kommentar
1. ÄMNESKUNSKAPER
	1.1 Kunskaper i grundläggande matematiska och naturvetenskapliga ämnen (kurser på G1X-nivå)
	1.2 Kunskaper i grundläggande teknikvetenskapliga ämnen (kurser på G1X-nivå)
	1.3 Fördjupade kunskaper, metoder och verktyg inom något av: matematik, naturvetenskap, teknik (kurser på G2X-nivå)
	1.4 Väsentligt fördjupade kunskaper, metoder och verktyg inom något av: matematik, naturvetenskap, teknik (kurser på A1X-nivå)
	1.5 Insikt i aktuellt forsknings- och utvecklingsarbete
2. INDIVIDUELLA OCH YRKESMÄSSIGA FÄRDIGHETER OCH FÖRHÅLLNINGSSÄTT
	2.1 Analytiskt tänkande och problemlösning
	2.2 Experimenterande och undersökande arbetssätt samt kunskapsbildning
	2.3 Systemtänkande
	2.4 Förhållningssätt, tänkande och lärande
	2.5 Etik, likabehandling och ansvarstagande
3. FÖRMÅGA ATT ARBETA I GRUPP OCH ATT KOMMUNICERA
	3.1 Arbete i grupp
	3.2 Kommunikation
	3.3 Kommunikation på främmande språk
4. PLANERING, UTVECKLING, REALISERING OCH DRIFT AV TEKNISKA PRODUKTER OCH SYSTEM MED HÄNSYN TILL AFFÄRSMÄSSIGA OCH SAMHÄLLELIGA BEHOV OCH KRAV
	4.1 Samhälleliga villkor, inklusive ekonomiskt, socialt och ekologiskt hållbar utveckling
	4.2 Företags- och affärsmässiga villkor
	4.3 Att identifiera behov samt strukturera och planera utveckling av produkter och system
	4.4 Att konstruera produkter och system
	4.5 Att realisera produkter och system
	4.6 Att ta i drift och använda produkter och system
5. PLANERING, GENOMFÖRANDE OCH PRESENTATION AV FORSKNINGS- ELLER UTVECKLINGSPROJEKT MED HÄNSYN TILL VETENSKAPLIGA OCH SAMHÄLLELIGA BEHOV OCH KRAV
	5.1 Samhälleliga villkor, inklusive ekonomiskt, socialt och ekologiskt hållbar utveckling inom forsknings- och utvecklingsprojekt
	5.2 Ekonomiska villkor för forsknings- och utvecklingsprojekt
	5.3 Att identifiera behov samt strukturera och planera forsknings- eller utvecklingsprojekt
	5.4 Att genomföra forsknings- eller utvecklingsprojekt
	5.5 Att redovisa och utvärdera forsknings- eller utvecklingsprojekt

Denna flik innehåller det material som är publikt i Lisam. Den information som publiceras här är inte juridiskt bindande, sådant material hittar du under övriga flikar på denna sida.

Det finns inga filer att visa.