course-details-portlet

TMM4128 - Maskinlæring for ingeniører

Om emnet

Vurderingsordning

Vurderingsordning: Samlet karakter
Karakter: Bokstavkarakterer

Vurdering Vekting Varighet Delkarakter Hjelpemidler
Skriftlig skoleeksamen 60/100 4 timer D
Mappe/sammensatt vurdering 40/100

Faglig innhold

Maskinlæring (ML) er en gren av AI som fokuserer på å lære fra data for å designe automatiserte systemer som kan forbedre ytelsen med erfaring. De siste årene har maskinlæring blitt brukt i et bredt spekter av ingeniørapplikasjoner, inkludert: autonome biler, forutsi mekanisk feil, kvalitetsvurdering, robotsyn og intelligent kontroll blant andre.

Dette kurset gir en grundig innføring i maskinlæring og praktisk erfaring med praktiske anvendelser. Emnene som undervises i dette kurset vil dekke grunnleggende prinsipper innen maskinlæring, så vel som de teoretiske grunnlagene for dets algoritmer og hvordan de kan brukes optimalt.

Læringsutbytte

Etter å ha fullført dette kurset vil studenten kunne tilegne seg følgende:

Kunnskap:

  • Lær de grunnleggende prinsippene for veiledet, uovervåket og forsterkende læring.
  • Tilegne seg kunnskap om bruk av ML for å løse praktiske problemer relevante for ingeniører.

Ferdigheter:

  • Bruk datahåndtering, funksjonsteknikk og dataforbehandlingsteknikker
  • Få erfaring med å systematisk arbeide med data for å lære nye mønstre.

Generell kompetanse:

  • På slutten av dette kurset vil studentene forstå styrken og begrensningene til velkjente maskinlæringsmetoder, og lære å analysere data for å identifisere trender.

Læringsformer og aktiviteter

Læringsaktiviteter i dette kurset inkluderer: forelesninger, forberedelse av seminarer, arbeid med et miniprosjekt og bidrag til diskusjon.

Eksamensoppgavene gis kun på engelsk, også det forventes at engelsk benyttes for å besvare eksamen.

Mer om vurdering

Mappevurdering og avsluttende eksamen er grunnlaget for karakteren i emnet. Karakteren deles inn i 40 % for mappevurdering og 60 % for avsluttende eksamen. Portfolioen er markert i %-poeng og den inkluderer muntlige presentasjoner og et prosjekt som involverer bruk av en maskinlæringsmodell.

Mappevurderingen inkluderer: 10 % dedikert til seminarer, og 30 % dedikert til et prosjekt. Begge dreier seg om å velge et datasett og bruke maskinlæringsmodeller i virkelige applikasjoner.

Seminarene vil inneholde et kort seminar som introduserer det valgte datasettet for prosjektet og et lengre seminar som forklarer arbeidstempoet etter at prosjektets midtveisrapport er levert.

I disse to presentasjonene forventes det at studentene deltar. Plusspoeng kan gis for å gi gode tilbakemeldinger fra kolleger til foredragsholderne.

På den annen side vil prosjektet undersøke anvendelsen av én maskinlæringsmodell i praksis, og den bør skrives som en kort oppgave. Prosjektet vil ha to innleveringer. Den første innleveringen er en midtveisrapport som dekker 10 % av karakteren, der de første resultatene for bruk av grunnleggende referansemodeller for maskinlæring presenteres. Den andre innleveringen er sluttrapporten som utgjør 20 % av mappevurderingen. Den bør skrives som en kort artikkel, inkludert en kort litteraturgjennomgang, metodikk og resultater av den endelige fullt innstilte modellen(e) av de valgte datasettene.

Prosjektet kan gjennomføres i en gruppe på 2-3 studenter og det bør inneholde en detaljert beskrivelse av deltakernes individuelle bidrag.

Ved kontinuasjonseksamen kan eksamensformen endres fra skriftlig til muntlig.

Kursmateriell

Lærebøker:

  • Tom Mitchell: Machine learning, McGraw Hill, 1997
  • Christopher M. Bishop, Pattern Recognition and Machine Learning, Springer, 2006

Ytterligere kursmateriell (lærebok og papirer) vil bli gitt i forelesningene.

Flere sider om emnet

Ingen

Fakta om emnet

Versjon: 1
Studiepoeng:  7.5 SP
Studienivå: Høyere grads nivå

Undervisning

Termin nr.: 1
Undervises:  VÅR 2024

Undervisningsspråk: Engelsk

Sted: Trondheim

Fagområde(r)
  • Maskinkonstruksjon og materialteknikk - Materialer og produksjonssystemer
  • Maskinkonstruksjon og materialteknikk - Mekanisk integritet
  • Maskinkonstruksjon og materialteknikk - Produkt-og maskinutvikling
  • Datateknikk og informasjonsvitenskap
  • IKT og matematikk
  • Maskinkonstruksjon og materialteknologi
  • Datamaskiner
  • Maskinkonstruksjon og materialteknikk - Konstruksjoners integritet
  • Databehandling
  • Datateknikk
Kontaktinformasjon
Emneansvarlig/koordinator: Faglærer(e):

Ansvarlig enhet
Institutt for maskinteknikk og produksjon

Timeplan

Listevisning
Kalendervisning

Eksamensinfo

Vurderingsordning: Samlet karakter

Termin Statuskode Vurdering Vekting Hjelpemidler Dato Tid Eksamens- system Rom *
Vår ORD Skriftlig skoleeksamen 60/100 D PAPIR
Rom Bygning Antall kandidater
Vår ORD Mappe/sammensatt vurdering 40/100
Rom Bygning Antall kandidater
Sommer UTS Skriftlig skoleeksamen 60/100 D PAPIR
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