course-details-portlet

TMM4128 - Maskinlæring for ingeniører

Om emnet

Nytt fra studieåret 2022/2023

Vurderingsordning

Vurderingsordning: Samlet karakter
Karakter: Bokstavkarakterer

Vurdering Vekting Varighet Delkarakter Hjelpemidler
Skriftlig skoleeksamen 50/100 4 timer HJELPEMIDD
Mappe/sammensatt vurdering 50/100

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, prediksjon av mekanisk feil, kvalitetsvurdering, robotsyn og intelligent kontroll blant annet.

Dette kurset gir en grundig introduksjon til maskinlæring og praktisk erfaring med praktiske anvendelser. Emnene som undervises i dette kurset vil dekke grunnleggende prinsipper innen maskinlæring, samt de teoretiske grunnlagene for algoritmene 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 eksamen er grunnlaget for karakteren i emnet.

Karakteren deles inn i 50 % for mappevurdering og 50 % for eksamen. Mappen er vurdert i %-poeng og den inkluderer en muntlig presentasjon og et prosjekt som involverer bruk av en maskinlæringsmodell. Den muntlige presentasjonen vil finne sted ukentlig fra og med første uke i februar. Den dekker 25 % av mappevurdering. Emnet for den muntlige presentasjonen vil utdype algoritmer og modeller som dekkes i kurset og/eller deres anvendelser. Det kan leveres i fellesskap av mer enn én student. På den annen side vil prosjektet bli levert ved slutten av kurset, og det bør utføres av studentene individuelt. Den dekker 75 % av mappevurderingen. Prosjektet vil undersøke bruken av én maskinlæringsmodell i praksis og bør leveres som en kort skriftlig oppgave. Eksamen vekter 50 % av slutt karakteren.

Ved utsatt eksamen 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 2023

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 50/100 HJELPEMIDD 11.05.2023 09:00 PAPIR
Rom Bygning Antall kandidater
Vår ORD Mappe/sammensatt vurdering 50/100
Rom Bygning Antall kandidater
Sommer UTS Skriftlig skoleeksamen 50/100 HJELPEMIDD
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