Behörighetskrav

120 hp inklusive 90 hp datavetenskap/teknik/matematik/kemi/fysik/materialvetenskap. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)

Mål

Efter godkänd kurs ska studenten kunna:

• redogöra för energiprofilen för Internet of Things (IoT) applikationer, trådlösa system och annan ny teknik.
• förklara och motivera användningsfall där verktyg för artificiell intelligens kan användas inom lagring av kemisk energi.
• förklara och jämföra grundläggande metoder för maskininlärning i samband med modellering av energilager.
• använda maskininlärningsteknik och programvara för att modellera energilagring.

Innehåll

Introduktion till de senaste digitaliseringskoncept av teknisk betydelse: Internet of Things, trådlösa kommunikationssystem och dess samband med energilagring. Introduktion till maskininlärning och artificiell intelligens: dess terminologi, en översikt över grundläggande algoritmer och litteraturstudier om dess användning vid modellering av energilagring. Användning av etablerade verktyg och algoritmer för maskininlärning vid modellering av energilagring.

Undervisning

Föreläsningar, seminarier och laborationer

Examination

Skriftlig tentamen (2 hp) samt muntliga seminarium (1 hp) och laborationer (2 hp).

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

Övriga föreskrifter

Kursen kan inte räknas in i examen med Informationsteknik och energilagring (1DT107)