course-details-portlet

AIS2103 - IoT og nettverksprogrammering

Om emnet

Nytt fra studieåret 2022/2023

Vurderingsordning

Vurderingsordning: Mappevurdering
Karakter: Bokstavkarakterer

Vurdering Vekting Varighet Delkarakter Hjelpemidler
Mappevurdering 100/100

Faglig innhold

Emnet inneholder et utvalg av følgende tema, med vekt på industriell IoT og nettverksprogrammering fra et automatiseringsperspektiv:

  • Definisjoner, begreper, prinsipper og standarder innen IoT, med vekt på moderne kommunikasjonsteknologier.
  • Muliggjørende teknologier, anvendelsesområder, paradigmer, infrastruktur og arkitektur for IoT, herunder dataoverføring, datalagring, dataanalyse (inkludert Edge, Fog og Cloud Computing).
  • Vanlige sensorer og aktuatorer og grunnleggende måleteknikk.
  • Grunnleggende signalbehandling (f.eks. antialiasing, støyreduksjon og Kalman filter), dataprosessering og feildetektering (inkl. wild-point detection) for IoT.
  • Utbredt maskinvare, arkitektur og programmering for IoT, herunder innvevde systemer som AVR (Arduino), ESP (Espressif) og ARM (Raspberry Pi).
  • Introduksjon til kommunikasjon og nettverk for IoT, inkludert vanlige protokoller (f.eks. MQTT), teknologier (mobil, WiFi, Bluetooth/NFC, satelitt og LoRa/LoRaWAN, m.fl.), topologier, lagdelte modeller.
  • Praktisk introduksjon til grunnleggende Big Data, dataanalyse og maskinlæring med bruk av skyløsninger (f.eks. Microsoft Azure).
  • Sikkerhet og personvern for IoT.
  • Grunnleggende innføring om energibruken til IoT-enheter.
  • Praktisk problemløsning med digitale verktøy (f.eks. Node-RED) og nettverksprogrammering for IoT.

Mer informasjon om pensum blir tilgjengeliggjort ved starten av semesteret.

Læringsutbytte

Kunnskap

  • Kandidaten kan gjøre rede for definisjoner, begreper, prinsipper og standarder innen IoT, med vekt på moderne kommunikasjonsteknologier.
  • Kandidaten kjenner til et utvalg av muliggjørende teknologier, anvendelsesområder, paradigmer, infrastruktur, arkitektur, sensorer og aktuatorer for IoT.
  • Kandidaten kjenner til et utvalg av protokoller, kommunikasjonsstandarder, topologier og lagdelte modeller for datakommunikasjon innen IoT, og kan gjenkjenne og sammenlikne bruk av Edge, Fog og Cloud Computing.
  • Kandidaten kan sammenlikne mye brukt maskinvare, sensorer og aktuatorer innen IoT og foreslå aktuelle løsninger for velkjente utfordringer.
  • Kandidaten kan gjøre rede for aktuelle utfordringer innen sikkerhet og personvern relatert til bruk av IoT, forklare vanlige sikkerhetsmekanismer, og peke på aktuelle løsninger.

Ferdigheter

  • Kandidaten kan utføre målinger ved hjelp av vanlige sensorer og måleteknikk, foreta grunnleggende analog og digital signalbehandling, feildetektering og dataprosessering, og utføre enkel datalogging, dataoverføring, og fjernstyring til bruk innen IoT.
  • Kandidaten kan benytte en skyløsning med støtte for maskinlæring til enkel dataanalyse.
  • Kandidaten kan implementere enkle, kyberfysiske systemer for IoT med vekt på industriell anvendelse, herunder bruk av digitale verktøy, nettverksprogrammering, og programmering av utbredt maskinvare.

Generell kompetanse

  • Kandidaten kan anvende aktuell teori og nyutviklede metoder på tvers av fagdisipliner til konstruksjon av innovative, bærekraftige og etisk forsvarlige sammensatte systemer som tar hensyn til personvern og datasikkerhet.
  • Kandidaten kan presentere aktuelle problemstillinger og kommunikasjonstekniske løsninger til personer med teknisk bakgrunn.

Læringsformer og aktiviteter

Emnet benytter hovedsaklig en blanding av forelesninger, øvingstimer og praktisk rettet laboratoriearbeid/prosjektarbeid som læringsformer. Det benyttes en konstruktivistisk tilnærming til læring, med stort fokus på problemløsing og praktisk anvendelse av teori.

Mer om vurdering

Endelig karakter settes basert på en helhetlig vurdering av mappen. Mappen består av arbeid som utføres og dokumenteres gjennom digitale innleveringer gjennom semesteret. Både individuelt arbeid og gruppearbeid kan forekomme. Arbeidet er utformet for å bidra til at studentene oppnår de ønskede læringsmål i emnet, og det gis tilbakemeldinger underveis. Ved utsatt eksamen gjennomføres muntlig prøve.

Spesielle vilkår

Krever opptak til studieprogram:
Automatisering og intelligente systemer (BIAIS)

Forkunnskapskrav

Emnet har ikke forkunnskapskrav. Det er et krav at innrullerte studenter er tatt opp på teknologistudiet som emnet er tilknyttet.

Kursmateriell

En oppdatert oversikt over emnet, inkludert pensum, gjøres tilgjengelig innen oppstart av semesteret og vil typisk også inneholde engelskspråklig materiale.

Studiepoengreduksjon

Emnekode Reduksjon Fra Til
IELEA2001 7.5 HØST 2021
IDATA2304 7.5 HØST 2021
Flere sider om emnet

Ingen

Fakta om emnet

Versjon: 1
Studiepoeng:  7.5 SP
Studienivå: Videregående emner, nivå II

Undervisning

Termin nr.: 1
Undervises:  VÅR 2023

Undervisningsspråk: Engelsk, Norsk

Sted: Ålesund

Fagområde(r)
  • Datateknikk og informasjonsvitenskap
  • Anvendt informasjons- og kommunikasjonsteknologi
  • Teknisk kybernetikk
  • Ingeniør
Kontaktinformasjon
Emneansvarlig/koordinator:

Ansvarlig enhet
Institutt for IKT og realfag

Eksamensinfo

Vurderingsordning: Mappevurdering

Termin Statuskode Vurdering Vekting Hjelpemidler Dato Tid Eksamens- system Rom *
Vår ORD Mappevurdering 100/100
Rom Bygning Antall kandidater
  • * Skriftlig eksamen plasseres på rom 3 dager før eksamensdato. Hvis mer enn ett rom er oppgitt, finner du ditt rom på Studentweb.
Eksamensinfo

For mer info om oppmelding til og gjennomføring av eksamen, se "Innsida - Eksamen"

Mer om eksamen ved NTNU