Avancerad projektkurs: AI och maskininlärning, 6 hp
Advanced Project Course - AI and Machine Learning, 6 credits
TDDE19
Huvudområde
Datateknik DatavetenskapUtbildningsnivå
Avancerad nivåKurstyp
ProgramkursExaminator
Cyrille BergerStudierektor eller motsvarande
Peter DaleniusUndervisningstid
Preliminär schemalagd tid: 64 hRekommenderad självstudietid: 96 h
Kursen ges för | Termin | Period | Block | Språk | Ort/Campus | VOF | |
---|---|---|---|---|---|---|---|
6CDDD | Civilingenjör i datateknik | 9 (HT 2017) | 1, 2 | 4, 4 | Engelska | Linköping, Valla | V |
6CDDD | Civilingenjör i datateknik (AI och maskininlärning) | 9 (HT 2017) | 1, 2 | 4, 4 | Engelska | Linköping, Valla | O |
6CDDD | Civilingenjör i datateknik (Systemteknologi) | 9 (HT 2017) | 1, 2 | 4, 4 | Engelska | Linköping, Valla | V |
6CITE | Civilingenjör i informationsteknologi | 9 (HT 2017) | 1, 2 | 4, 4 | Engelska | Linköping, Valla | V |
6CITE | Civilingenjör i informationsteknologi (AI och maskininlärning) | 9 (HT 2017) | 1, 2 | 4, 4 | Engelska | Linköping, Valla | O |
6CITE | Civilingenjör i informationsteknologi (Systemteknologi) | 9 (HT 2017) | 1, 2 | 4, 4 | Engelska | Linköping, Valla | V |
6CMJU | Civilingenjör i mjukvaruteknik | 9 (HT 2017) | 1, 2 | 4, 4 | Engelska | Linköping, Valla | V |
6CMJU | Civilingenjör i mjukvaruteknik (AI och maskininlärning) | 9 (HT 2017) | 1, 2 | 4, 4 | Engelska | Linköping, Valla | O |
6MICS | Computer Science, masterprogram | 3 (HT 2017) | 1 | 4 | Engelska | Linköping, Valla | V |
6MICS | Computer Science, masterprogram | 3 (HT 2017) | 2 | 4 | Engelska | Linköping, Valla | V |
6MDAV | Datavetenskap, masterprogram | 3 (HT 2017) | 1, 2 | 4, 4 | Engelska | Linköping, Valla | V |
Huvudområde
Datateknik, DatavetenskapUtbildningsnivå
Avancerad nivåFördjupningsnivå
A1XKursen ges för
- Civilingenjör i datateknik
- Civilingenjör i informationsteknologi
- Civilingenjör i mjukvaruteknik
- Datavetenskap, masterprogram
- Computer Science, masterprogram
Förkunskapskrav
OBS! Tillträdeskrav för icke programstudenter omfattar vanligen också tillträdeskrav för programmet och ev. tröskelkrav för progression inom programmet, eller motsvarande.
Rekommenderade förkunskaper
Kursen förväntar sig att studenten har tillämpat projektstyrningsmodeller i tidigare kurser eller andra sammanhang. Vidare att studenten har tillägnat sig kunskaper motsvarande grundkurser inom profilen ”AI och maskininlärning” eller "Systemteknologi" eller specialiseringen ”AI och data mining” inom det området som projektet omfattar.
Lärandemål
Projektarbetet ska ha signifikant teknisk höjd som kräver fördjupad ämneskompetens inom artificiell intelligens och maskininlärning, genomföras på ett professionellt sätt, och det ska utveckla och befästa deltagarnas kompetenser på följande områden:
- Analysera och strukturera problem inom artificiell intelligens och maskininlärning.
- Tillämpa kunskaper och metoder från ett brett spektrum av tidigare kurser.
- På egen hand inhämta ny kunskap efter behov.
- Integrera kunskaper från flera olika discipliner och tillämpa dessa inom artificiell intelligens och maskininlärning.
- Formulera en kravspecifikation för projektet utgående från ett projektdirektiv och därigenom bedöma projektets genomförbarhet med avseende på tekniska lösningar och tillgängliga resurser.
- Presentera projektresultatet dels för projektbeställaren och dels för andra studenter, vilka ej kan förutsättas vara specialister inom de tekniker som använts.
- Aktivt medverka till en väl fungerande projektgrupp.
- Visa förmåga att självständigt leda projektarbetet med stöd av en projektmodell, och med begränsad tillgång till handledningsresurser.
- Planera, genomföra och följa upp ett projekt inom artificiell intelligens och maskininlärning.
Resultatet av projektarbetet ska:
- Hålla hög teknisk kvalité och baseras på moderna kunskaper och metoder i motsvarande teknikområde.
- Dokumenteras i form av relevant projektstyrningsdokument samt relevant teknisk dokumentation av projektet
- Presenteras muntligt
- Uppfylla de krav som framgår av kravspecifikationen
Kursinnehåll
Beskrivning av projekten med projektdirektiv finns på kursens hemsida. Projekten kommer att vara nära kopplade antingen till pågående forskning inom ämnesområdet datavetenskap eller till företag verksamma inom detta område.
Exempel på projekt skulle kunna vara att utveckla ett robotiksystem för att utföra någon specifik uppgift, utveckla ett system som kan lära sig att detektera och spåra objekt från sensordata, utveckla ett rekommenderingssystem för en specifik domän, utveckla ett system som lär sig att förutsäga ett objekts aktiviteter baserat på tidigare observationer.
Karaktären på projekten kan komma att förändras från år till år.
Undervisnings- och arbetsformer
Projektgruppen, som bildas enligt senare direktiv, skall bestå av minst 6 studenter. Varje grupp kommer att tilldelas en handledare. Denne kommer att stödja gruppen i dess arbete och svara på tekniska frågor.
Till varje projekt finns en beställare med vilken projektgruppen förhandlar fram en kravspecifikation. Innan projektarbetet påbörjas ska projektgruppen ta fram lämpliga projektstyrningsdokument för sitt projekt.
Till varje gång kursen går tas förslag på projekt fram av examinator. Tilldelning av projekt till studenter sker både baserat på egen lämplighet och önskemål. Till varje projektförslag finns ett projektdirektiv som utgör grunden för det fortsatta arbetet.
Projektarbetet inleds med att projektgruppen tar fram en kravspecifikation samt relevant projektstyrningsdokumentation för sitt projekt. Projekten skall bedrivas enligt en lämplig och av projektgruppen vald utvecklingsmodell.
Kursen pågår hela höstterminen.
Examination
PRA1 | Projekt | 6 hp | U, G |
Projektarbetet kommer att bedömas utifrån uppfyllandet av kursens mål. Tre delmoment som vardera bedöms med godkänt / icke godkänt ingår i bedömningen. Dessa delmoment är:
- Teknisk höjd och kvalitet på projektresultatet
- Skriftlig dokumentation i form av teknisk rapport samt relevanta projektdokument
- Muntlig presentation
För godkänt på hela projektarbetet krävs godkänt på samtliga delmoment samt att målen för kursen är uppfyllda. Speciell vikt läggs vid att kursdeltagarna aktivt verkar för att gruppen arbetar enligt projektmodellens intentioner.
På kursen ges betygen Underkänd/Godkänd.
Betygsskala
Tvågradig skala, U, GÖvrig information
Kursen bedrivs på ett sådant sätt att både mäns och kvinnors erfarenhet och kunskaper synliggörs och utvecklas.
Planering och genomförande av kurs skall utgå från kursplanens formuleringar. Den kursvärdering som ingår i kursen skall därför genomföras med kursplanen som utgångspunkt.
Institution
Institutionen för datavetenskapStudierektor eller motsvarande
Peter DaleniusExaminator
Cyrille BergerUndervisningstid
Preliminär schemalagd tid: 64 hRekommenderad självstudietid: 96 h
Kurslitteratur
Kompletterande litteratur
Övrigt
Projektspecifik
Kod | Benämning | Omfattning | Betygsskala |
---|---|---|---|
PRA1 | Projekt | 6 hp | U, G |
Projektarbetet kommer att bedömas utifrån uppfyllandet av kursens mål. Tre delmoment som vardera bedöms med godkänt / icke godkänt ingår i bedömningen. Dessa delmoment är:
- Teknisk höjd och kvalitet på projektresultatet
- Skriftlig dokumentation i form av teknisk rapport samt relevanta projektdokument
- Muntlig presentation
För godkänt på hela projektarbetet krävs godkänt på samtliga delmoment samt att målen för kursen är uppfyllda. Speciell vikt läggs vid att kursdeltagarna aktivt verkar för att gruppen arbetar enligt projektmodellens intentioner.
På kursen ges betygen Underkänd/Godkänd.
Kursplan
För varje kurs finns en kursplan. I kursplanen anges kursens mål och innehåll samt de särskilda förkunskaper som erfordras för att den studerande skall kunna tillgodogöra sig undervisningen.
Schemaläggning
Schemaläggning av kurser görs efter, för kursen, beslutad blockindelning. För kurser med mindre än fem deltagare, och flertalet projektkurser läggs inget centralt schema.
Avbrott på kurs
Enligt rektors beslut om regler för registrering, avregistrering samt resultatrapportering (Dnr LiU-2015-01241) skall avbrott i studier registreras i Ladok. Alla studenter som inte deltar i kurs man registrerat sig på är alltså skyldiga att anmäla avbrottet så att kursregistreringen kan
tas bort. Avanmälan från kurs görs via webbformulär, www.lith.liu.se/for-studenter/kurskomplettering?l=sv.
Inställd kurs
Kurser med få deltagare ( < 10) kan ställas in eller organiseras på annat sätt än vad som är angivet i kursplanen. Om kurs skall ställas in eller avvikelse från kursplanen skall ske prövas och beslutas detta av programnämnden.
Föreskrifter rörande examination och examinator
Se särskilt beslut i regelsamlingen: http://styrdokument.liu.se/Regelsamling/VisaBeslut/622678
Examination
Tentamen
Skriftlig och muntlig tentamen ges minst tre gånger årligen; en gång omedelbart efter kursens slut, en gång i augustiperioden samt vanligtvis i en av omtentamensperioderna. Annan placering beslutas av programnämnden.
Principer för tentamensschemat för kurser som följer läsperioderna:
- kurser som ges Vt1 förstagångstenteras i mars och omtenteras i juni och i augusti
- kurser som ges Vt2 förstagångstenteras i maj och omtenteras i augusti och i oktober
- kurser som ges Ht1 förstagångstenteras i oktober och omtenteras i januari och augusti
- kurser som ges Ht2 förstagångstenteras i januari och omtenteras i påsk och i augusti
Tentamensschemat utgår från blockindelningen men avvikelser kan förekomma främst för kurser som samläses/samtenteras av flera program.
- För kurser som av programnämnden beslutats vara vartannatårskurser ges tentamina 3 gånger endast under det år kursen ges.
- För kurser som flyttas eller ställs in så att de ej ges under något eller några år ges tentamina 3 gånger under det närmast följande året med tentamenstillfällen motsvarande dem som gällde före flyttningen av kursen.
- Har undervisningen upphört i en kurs ges under det närmast följande året tre tentamina samtidigt som tentamen ges i eventuell ersättningskurs, alternativt i samband med andra omtentamina. Dessutom ges tentamen ytterligare en gång under det därpå följande året om inte programnämnden föreskriver annat.
- Om en kurs ges i flera perioder under året (för program eller vid skilda tillfällen för olika program) beslutar programnämnden/programnämnderna gemensamt om placeringen av och antalet omtentamina.
Anmälan till tentamen
För deltagande i tentamina krävs att den studerande gjort förhandsanmälan i Studentportalen under anmälningsperioden, dvs tidigast 30 dagar och senast 10 dagar före tentamensdagen. Anvisad sal meddelas fyra dagar före tentamensdagen via e-post. Studerande, som inte förhandsanmält sitt deltagande riskerar att avvisas om plats inte finns inom ramen för tillgängliga skrivningsplatser.
Teckenförklaring till tentaanmälningssystemet:
** markerar att tentan ges för näst sista gången
* markerar att tentan ges för sista gången
Ordningsföreskrifter för studerande vid tentamensskrivningar
Se särskilt beslut i regelsamlingen: http://styrdokument.liu.se/Regelsamling/VisaBeslut/622682
Plussning
Vid Tekniska högskolan vid LiU har studerande rätt att genomgå förnyat prov för högre betyg på skriftliga tentamina samt datortentamina, dvs samtliga provmoment med kod TEN och DAT. På övriga examinationsmoment ges inte möjlighet till plussning, om inget annat anges i kursplan.
Andra examinationsformer
För regler för omprov vid andra examinationsformer än skriftliga tentamina hänvisas till LiU-föreskrifterna för examination och examinator, http://styrdokument.liu.se/Regelsamling/VisaBeslut/622678.
Försök till vilseledande
Vid grundad misstanke om att en student försökt vilseleda vid examination eller när en studieprestation ska bedömas ska enligt Högskoleförordningens 10 kapitel examinator anmäla det vidare till universitetets disciplinnämnd. Möjliga konsekvenser för den studerande är en avstängning från studierna eller en varning. För mer information se www.liu.se/disciplinnamnden.
Betyg
Företrädesvis skall betygen underkänd (U), godkänd (3), icke utan beröm godkänd (4) och med beröm godkänd (5) användas. Kurser som styrs av tekniska fakultetsstyrelsen fastställt tentamensschema skall därvid särskilt beaktas.
- Kurser med skriftlig tentamen skall ge betygen (U, 3, 4, 5).
- Kurser med stor del tillämpningsinriktade moment såsom laborationer, projekt eller grupparbeten får ges betygen underkänd (U) eller godkänd (G).
Examinationsmoment
- Skriftlig tentamen (TEN) skall ge betyg (U, 3, 4, 5).
- Examensarbete samt självständigt arbete ger betyg underkänd (U) eller godkänd (G).
- Examinationsmoment som kan ge betygen underkänd (U) eller godkänd (G) är laboration (LAB), projekt (PRA), kontrollskrivning (KTR), muntlig tentamen (MUN), datortentamen (DAT), uppgift (UPG).
- Övriga examinationsmoment där examinationen uppfylls framför allt genom aktiv närvaro som annat (ANN), basgrupp (BAS) eller moment (MOM) ger betygen underkänd (U) eller godkänd (G).
Rapportering av den studerandes examinationsresultat sker på respektive institution.
Regler
Universitetet är en statlig myndighet vars verksamhet regleras av lagar och förordningar, exempelvis Högskolelagen och Högskoleförordningen. Förutom lagar och förordningar styrs verksamheten av ett antal styrdokument. I Linköpings universitets egna regelverk samlas gällande beslut av regelkaraktär som fattats av universitetsstyrelse, rektor samt fakultets- och områdesstyrelser.
LiU:s regelsamling angående utbildning på grund- och avancerad nivå nås på http://styrdokument.liu.se/Regelsamling/Innehall/Utbildning_pa_grund-_och_avancerad_niva.
Kompletterande litteratur
Övrigt
Projektspecifik
Ladda ner
I | U | A | Moduler | Kommentar | ||
---|---|---|---|---|---|---|
1. ÄMNESKUNSKAPER | ||||||
1.1 Kunskaper i grundläggande (motsvarande G1X) matematiska och naturvetenskapliga ämnen |
|
|
|
|||
1.2 Kunskaper i grundläggande (motsvarande G1X) teknikvetenskapliga ämnen |
|
|
X
|
Projektstyrningsmodeller, grundkurser inom AI och maskininlärning/data mining |
||
1.3 Fördjupade kunskaper (motsvarande G2X), metoder och verktyg inom något/några teknik- och naturvetenskapliga ämnen |
|
X
|
X
|
PRA1
|
Fördjupning inom AI och maskininlärning |
|
1.4 Väsentligt fördjupade kunskaper (motsvarande A1X), metoder och verktyg inom något/några teknik- och naturvetenskapliga ämnen |
|
|
|
|||
1.5 Insikt i aktuellt forsknings- och utvecklingsarbete |
|
|
|
|||
2. INDIVIDUELLA OCH YRKESMÄSSIGA FÄRDIGHETER OCH FÖRHÅLLNINGSSÄTT | ||||||
2.1 Analytiskt tänkande och problemlösning |
|
X
|
X
|
PRA1
|
Framtagande av kravspecifikation och projektplan |
|
2.2 Experimenterande och undersökande arbetssätt samt kunskapsbildning |
|
|
|
|||
2.3 Systemtänkande |
|
X
|
|
PRA1
|
Projektarbetet |
|
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 |
|
|
X
|
Projektgrupp som fördelar arbetet inom sig |
||
3.2 Kommunikation |
|
X
|
X
|
PRA1
|
Kommunikation inom projektgrupp och med kund, presentationer |
|
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 |
X
|
|
|
Företag eller forskargrupper som kunder |
||
4.3 Att identifiera behov samt strukturera och planera utveckling av produkter och system |
X
|
X
|
|
PRA1
|
Arbetet enligt egen projektplan och enligt en projektmodell |
|
4.4 Att konstruera produkter och system |
|
X
|
|
PRA1
|
Genomföra projekt från början till slut |
|
4.5 Att realisera produkter och system |
|
X
|
|
PRA1
|
Genomföra projekt från början till slut |
|
4.6 Att ta i drift och använda produkter och system |
|
X
|
|
PRA1
|
Genomföra projekt från början till slut |
|
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 för kunskapsutveckling |
|
|
|
|||
5.2 Ekonomiska villkor för kunskapsutveckling |
|
|
|
|||
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.