Hoppa till huvudinnehållet
Till KTH:s startsida Till KTH:s startsida

EP233U Maskininlärning i produktion 5,0 hp

Kursomgångar saknas för aktuella eller kommande terminer.
Rubriker med innehåll från kursplan EP233U (HT 2020–) är markerade med en asterisk ( )

Innehåll och lärandemål

Kursinnehåll

  • Föreläsning 1: Inledning
  • Föreläsning 2: Datainläsning och analys
  • Labb 1: Datainläsning och analys
  • Föreläsning 3: Högpresterande maskininlärningsutveckling
  • Labb 2: Modellutveckling 
  • Föreläsning 4: Modellera driftsättning och testning
  • Labb: Modellera driftsättning och testning 
  • Föreläsning 5: Observerbarhet
  • Labb 4: Observerbarhet
  • Föreläsning 6: Sekretess och säkerhet
  • Föreläsning 7: Maskininlärning vid utkanten

Lärandemål

Efter godkänd kurs ska studenten kunna:

  • sammanfatta ett verkligt maskininlärningsekosystem i produktion, där modellen är en av många olika komponenter
  • förklara hela datapipelinen från början till slut, dvs. från datainsamling och lagring till distribuering och övervakning av modeller
  • driftsätta en maskininlärningsmodell
  • tolka data och hantera egenskaper hos verkliga data
  • utveckla batch- och online-gränssnitt
  • diskutera modellversionshantering och testning
  • utvärdera integritet och säkerhet vid maskininlärning
  • diskutera utkantsinlärning (edge learning) och tillämpningar av maskininlärning för sakernas internet (Internet-of-Things).

Kurslitteratur och förberedelser

Särskild behörighet

  • Kunskaper i envariabelanalys motsvarande IX1304 Matematik 7,5 hp
  • Kunskaper i linjär algebra motsvarande SF1672 Linjär algebra 7,5 hp
  • Kunskaper i sannolikhetsteori motsvarande SF2940 Sannolikhetsteori 7,5 hp
  • Kunskaper i programmering motsvarande DD1315 Programmering och Matlab 7,5 hp
  • Gymnasiekursen Engelska B/6

Rekommenderade förkunskaper

Ingen information tillagd

Utrustning

Ingen information tillagd

Kurslitteratur

Ingen information tillagd

Examination och slutförande

När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.

Betygsskala

P, F

Examination

  • DEL1 - Workshop, 1,0 hp, betygsskala: P, F
  • INL1 - Inlämningsuppgifter, 4,0 hp, betygsskala: P, F

Examinator beslutar, baserat på rekommendation från KTH:s handläggare av stöd till studenter med funktionsnedsättning, om eventuell anpassad examination för studenter med dokumenterad, varaktig funktionsnedsättning.

Examinator får medge annan examinationsform vid omexamination av enstaka studenter.

Möjlighet till komplettering

Ingen information tillagd

Möjlighet till plussning

Ingen information tillagd

Examinator

Etiskt förhållningssätt

  • Vid grupparbete har alla i gruppen ansvar för gruppens arbete.
  • Vid examination ska varje student ärligt redovisa hjälp som erhållits och källor som använts.
  • Vid muntlig examination ska varje student kunna redogöra för hela uppgiften och hela lösningen.

Ytterligare information

Kursrum i Canvas

Registrerade studenter hittar information för genomförande av kursen i kursrummet i Canvas. En länk till kursrummet finns under fliken Studier i Personliga menyn vid kursstart.

Ges av

Huvudområde

Datalogi och datateknik

Utbildningsnivå

Avancerad nivå

Påbyggnad

Ingen information tillagd