Hoppa till huvudinnehållet
Till KTH:s startsida

EP236U Maskininlärning i produktion 5,0 hp

Administrera Om kursen

Denna kurs introducerar för avancerade studenter (med förkunskaper i sannolikhetslära, linjär algebra och programmering) maskininlärning i produktion.

Information per kursomgång

Kursomgångar saknas för aktuella eller kommande terminer.

Kursplan som PDF

Notera: all information från kursplanen visas i tillgängligt format på denna sida.

Kursplan EP236U (VT 2022–)
Rubriker med innehåll från kursplan EP236U (VT 2022–) 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

Kurslitteratur

Du hittar information om kurslitteratur antingen i kursomgångens kurs-PM eller i kursomgångens kursrum i Canvas.

Examination och slutförande

Betygsskala

P, F

Examination

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

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

Examinator

Profile picture Carlo Fischione

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

EECS/Datavetenskap

Huvudområde

Datalogi och datateknik

Utbildningsnivå

Avancerad nivå