Dataanalys för smarta städer, 6 hp

Data Analytics for Smart Cities, 6 credits

TNK117

Kursen är nedlagd. Gavs sista gången HT 2022. Ersätts av TNK130.

Huvudområde

Elektroteknik Transportsystem

Utbildningsnivå

Avancerad nivå

Kurstyp

Programkurs

Examinator

Nikolaos Pappas

Studierektor eller motsvarande

Erik Bergfeldt

Undervisningstid

Preliminär schemalagd tid: 48 h
Rekommenderad självstudietid: 112 h

Tillgänglig för utbytesstudenter

Ja
VOF = Valbar / Obligatorisk / Frivillig
Kursen ges för Termin Period Block Språk Ort/Campus VOF
6CKTS Civilingenjör i kommunikation, transport och samhälle 9 (HT 2019) 1 3 Engelska Norrköping, Norrköping V
6CKTS Civilingenjör i kommunikation, transport och samhälle (Masterprofil Smarta städer) 9 (HT 2019) 1 3 Engelska Norrköping, Norrköping O
6MTSL Intelligent Transport Systems and Logistics, masterprogram 3 (HT 2019) 1 3 Engelska Norrköping, Norrköping V

Huvudområde

Elektroteknik, Transportsystem

Utbildningsnivå

Avancerad nivå

Fördjupningsnivå

A1X

Kursen ges för

  • Civilingenjör i kommunikation, transport och samhälle
  • Masterprogram i Intelligent Transport Systems and Logistics

Förkunskapskrav

OBS! Tillträdeskrav för icke programstudenter omfattar vanligen också tillträdeskrav för programmet och ev. tröskelkrav för progression inom programmet, eller motsvarande.

Rekommenderade förkunskaper

Grundläggande kunskaper i linjär algebra, analys, statistik, sannolikhetsteori och programmering.

Lärandemål

I den här kursen lär sig studenter hur de ska använda och tolka data för att bättre kunna fatta beslut, inom framförallt området smarta städer. Verklighetskopplade exempel kommer att studeras, med anknytning till exempelvis trafikstyrning, logistik, telekommunikation och städers mobilitetsmönster. Efter genomförd kurs förväntas studenterna kunna:

  • Identifiera de mest vanliga statistiska metoderna för analys av datamängder
  • Förklara skillnader i egenskaper mellan olika typer av analysmetoder och ge exempel på när metoderna är lämpliga att tillämpa
  • Förstå, förklara och använda koncept och metoder inom dataanalys för att lösa praktiska problem
  • Använda statistiska metoder för att prediktera, klassificera och fatta beslut
  • Utvärdera metoder och tillämpa lämpligt alternativ för att hantera specifikt problem
  • Använda existerande datamängder för att anpassa och utvärdera utvalda metoder för verkliga tillämpningar
  • Implementera metoder och algoritmer för databehandling och -analys i ett lämpligt programmeringsspråk 

 

I kursen kommer huvudsakligen programvaran Matlab att nyttjas för att bygga modeller och bearbeta data.

Kursinnehåll

Kursen syftar till att sprida kunskap inom databehandling och dataanalys, med huvudsaklig tillämpning inom området smarta städer. Fokus är klassificering och prediktering, men kursen behandlar även delar som klusteranalys, att reducera komplexitet och detektera avvikelser i datamängder. Exempel på kursinnehåll är statistisk interferens, korrelation, linjär regression, logistisk regression, K-närmaste granne, stödvektormaskiner, dolda Markov-modeller, neurala nätverk m.m.

Undervisnings- och arbetsformer

Föreläsningar, övningar och laborationer.

Examination

LAB1Laborationer2 hpU, G
UPG1Inlämningsuppgifter2 hpU, 3, 4, 5
KTR1Kontrollskrivning2 hpU, 3, 4, 5

Slutbetyget viktas efter poängfördelningen på de graderade examinationsmomenten.

Betygsskala

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

Övrig information

Om undervisningsspråk

Undervisningsspråk visas på respektive kurstillfälle på fliken "Översikt".

  • Observera att även om undervisningsspråk är svenska kan delar av kursen ges på engelska.
  • Om undervisningsspråk är Svenska/Engelska kan kursen i sin helhet ges på engelska vid behov.
  • Om undervisningsspråk är Engelska ges kursen i sin helhet på engelska. 

Övrigt

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 teknik och naturvetenskap

Studierektor eller motsvarande

Erik Bergfeldt

Examinator

Nikolaos Pappas

Undervisningstid

Preliminär schemalagd tid: 48 h
Rekommenderad självstudietid: 112 h

Kurslitteratur

Övrigt

  • Se engelsk version.

Kod Benämning Omfattning Betygsskala
LAB1 Laborationer 2 hp U, G
UPG1 Inlämningsuppgifter 2 hp U, 3, 4, 5
KTR1 Kontrollskrivning 2 hp U, 3, 4, 5

Slutbetyget viktas efter poängfördelningen på de graderade examinationsmomenten.

Övrigt

Se engelsk version.

I = Introducera, U = Undervisa, A = Använda
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

                            
1.3 Fördjupade kunskaper (motsvarande G2X), metoder och verktyg inom något/några teknik- och naturvetenskapliga ämnen

                            
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

                            
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 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.