Behörighetskrav

165 hp inklusive 10 hp programmering, 5 hp beräkningsvetenskap, 20 hp matematik och 5 hp i statistik och sannolikhetslära. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)

Mål

Efter godkänd kurs ska studenten kunna

• tillämpa moderna metoder för automatiserad maskininlärning,
• förklara och jämföra moderna AI-metoder för tillämpning inom industriell analys.

Innehåll

Metoder för automatiserad maskininlärning som hyperparameteroptimering, meta-inlärning ("lära sig att lära"), sökning/optimering av neuronnätsarkitekturer, prestandauppskattning. Jämförelse av alternativa AI-metoder som oövervakad, övervakad och interaktiv maskininlärning, Bayesiansk beslutsteori, optimal design av experiment, adaptiv prediktiv styrning, multiagentsystem. Studier av industriella tillämpningsexempel från områden som tillverkning, processövervakning och processtyrning, affärsverksamhetsfokuserat beslutsstöd (business intelligence), förvaltning av tillgångsportföljer, autonoma fordon, experimentella forsknings- och utvecklingslaboratorier, hälsovård, cybersäkerhet, telekommunikation, trådlösa sensornätverk.

Undervisning

Föreläsningar, seminarier, laborationer och handledning av projektarbete.

Examination

Skriftlig tentamen samt skriftlig och muntlig redovisning av projektarbete.

Om särskilda skäl finns får examinator göra undantag från det angivna examinationssättet och medge att en student examineras på annat sätt. Särskilda skäl kan t.ex. vara besked om riktat pedagogiskt stöd från universitetets samordnare för studenter med funktionsnedsättning.