Dataanalys för smarta städer, 6 hp
Data Analytics for Smart Cities, 6 credits
TNK117
Huvudområde
Elektroteknik TransportsystemUtbildningsnivå
Avancerad nivåKurstyp
ProgramkursExaminator
Nikolaos PappasStudierektor eller motsvarande
Erik BergfeldtUndervisningstid
Preliminär schemalagd tid: 48 hRekommenderad självstudietid: 112 h
Tillgänglig för utbytesstudenter
JaKursen ges för | Termin | Period | Block | Språk | Ort/Campus | VOF | |
---|---|---|---|---|---|---|---|
6CKTS | Civilingenjör i kommunikation, transport och samhälle | 9 (HT 2021) | 1 | 3 | Engelska | Norrköping, Norrköping | V |
6CKTS | Civilingenjör i kommunikation, transport och samhälle (Masterprofil Smarta städer) | 9 (HT 2021) | 1 | 3 | Engelska | Norrköping, Norrköping | O |
6MTSL | Intelligent Transport Systems and Logistics, masterprogram | 3 (HT 2021) | 1 | 3 | Engelska | Norrköping, Norrköping | V |
Huvudområde
Elektroteknik, TransportsystemUtbildningsnivå
Avancerad nivåFördjupningsnivå
A1XKursen ges för
- Masterprogram i intelligenta transportsystem och logistik
- Civilingenjör i kommunikation, transport och samhälle
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
LAB1 | Laborationer | 2 hp | U, G |
UPG1 | Inlämningsuppgifter | 2 hp | U, 3, 4, 5 |
KTR1 | Kontrollskrivning | 2 hp | U, 3, 4, 5 |
Kursens slutbetyg räknas ut som medelvärdet av betygen för UPG1 och KTR1.
Betygsskala
Fyrgradig skala, LiU, U, 3, 4, 5Övrig information
Om undervisnings- och examinationsspråk
Undervisningsspråk visas på respektive kurstillfälle på fliken "Översikt". Examinationsspråk relaterar till undervisningsspråk enligt nedan:
- Om undervisningsspråk är Svenska ges kursen i sin helhet eller till stora delar på svenska. Observera att även om undervisningsspråk är svenska kan delar av kursen ges på engelska. Examinationsspråk är svenska.
- Om undervisningsspråk är Svenska/Engelska kan kursen i sin helhet ges på engelska vid behov. Examinationsspråk är svenska eller engelska.
- Om undervisningsspråk är Engelska ges kursen i sin helhet på engelska. Examinationsspråk är 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 naturvetenskapStudierektor eller motsvarande
Erik BergfeldtExaminator
Nikolaos PappasUndervisningstid
Preliminär schemalagd tid: 48 hRekommenderad 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 |
Kursens slutbetyg räknas ut som medelvärdet av betygen för UPG1 och KTR1.
Övrigt
Se engelsk version.
Ladda ner
I | U | A | Moduler | Kommentar | ||
---|---|---|---|---|---|---|
1. ÄMNESKUNSKAPER | ||||||
1.1 Kunskaper i grundläggande (motsvarande G1X) matematiska och naturvetenskapliga ämnen |
|
X
|
X
|
KTR1
UPG1
|
Calculus, Probability |
|
1.2 Kunskaper i grundläggande (motsvarande G1X) teknikvetenskapliga ämnen |
|
X
|
X
|
KTR1
LAB1
UPG1
|
Modeling, Programming |
|
1.3 Fördjupade kunskaper (motsvarande G2X), metoder och verktyg inom något/några teknik- och naturvetenskapliga ämnen |
|
X
|
X
|
KTR1
LAB1
UPG1
|
Statistical Inference, Prediction |
|
1.4 Väsentligt fördjupade kunskaper (motsvarande A1X), metoder och verktyg inom något/några teknik- och naturvetenskapliga ämnen |
|
X
|
X
|
KTR1
LAB1
UPG1
|
Statistical Inference, Prediction |
|
1.5 Insikt i aktuellt forsknings- och utvecklingsarbete |
X
|
|
|
Examples from current research activities |
||
2. INDIVIDUELLA OCH YRKESMÄSSIGA FÄRDIGHETER OCH FÖRHÅLLNINGSSÄTT | ||||||
2.1 Analytiskt tänkande och problemlösning |
|
X
|
X
|
KTR1
LAB1
UPG1
|
Labs and problem solving |
|
2.2 Experimenterande och undersökande arbetssätt samt kunskapsbildning |
|
X
|
X
|
LAB1
UPG1
|
||
2.3 Systemtänkande |
|
X
|
X
|
KTR1
LAB1
UPG1
|
Design Tradeoffs |
|
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
|
LAB1
|
Labs in pairs |
|
3.2 Kommunikation |
|
|
X
|
LAB1
UPG1
|
Written reports |
|
3.3 Kommunikation på främmande språk |
|
|
X
|
English is the course language |
||
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 |
X
|
|
|
UPG1
|
Requirements for different applications |
|
4.4 Att konstruera produkter och system |
|
X
|
X
|
LAB1
UPG1
|
Implementation of algorithms |
|
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.