EP271V Sakernas internet och artificiell intelligens 7,5 hp
Sakernas internet (IoT) och artificiell intelligens (AI) är tekniker som möjliggör ”en värld där allt är uppkopplat” eftersom de kan ansluta till fysiska föremål, personer, infrastruktur och företag. IoT och AI tillåter oss att samla in data, göra dataanalys och i slutändan fatta optimala beslut. Vi kommer att använda IoT och AI i den digitaliserade världen, där fordon kommer att köra utan mänskliga förare och energi- och vattenresurser kommer att distribueras mycket mer effektivt än i dag. Denna kurs ger en översikt över några av de viktigaste kommunikationsaspekterna för trådlös IoT, samt AI för dessa IoT-aspekter.
Välj termin och kursomgång
Välj termin och kursomgång för att se aktuell information och mer om kursen, såsom kursplan, studieperiod och anmälningsinformation.
Kursval
Gäller för kursomgång
HT 2024 Start 2024-08-26 fristående studerande
Anmälningskod
10123
Innehåll och lärandemål
Kursinnehåll
Kursens fokus är på maskininlärningsmetoder och -algoritmer som kör överkommunikationsprotokoll för sakernas internet (IoT). Kursen startar med en introduktion av tillämpningar av nätverksarkitektur. Därefter behandlas metoder för kommunikationsprotokoll och hur dess metoder kan tillämpas för design av viktiga aspekter i kommunikationsprotokollstacken. Kursen analyserar maskininlärningsalgoritmer som kan köras på IoT-system där data och beräkningar är distribuerade.
Lärandemål
Efter godkänd kurs ska studenten kunna:
- redogöra för de centrala verktygen för kommunikationsteknik för sakernas internet (IoT)
- designa IoT-system
- redogöra för centrala maskininlärningsmetoder för sakernas internet
- designa maskininlärningsmetoder för IoT-system
i syfte att:
- förstå och förklara vilka designmöjligheter som finns för ett specifikt kommunikationssystem
- kunna argumentera för vilken typ av prestanda som ska prioriteras i designen av IoTsystem och maskininlärningsmetoder
- förstå och förklara vilka designmöjligheter för maskininlärningsalgoritmer som finns för att köra dessa algoritmer över ett specifikt kommunikationssystem.
Kurslitteratur och förberedelser
Särskild behörighet
- Totalt 180 hp varav minst 90 hp inom elektroteknik, teknisk fysik eller teknisk
- matematik.
- Kunskaper i envariabelanalys, 6 hp.
- Kunskaper i datorkommunikation, 6 hp.
- Kunskaper i sannolikhetsteori, 6 hp.
- Gymnasiekursen Engelska B/6.
Rekommenderade förkunskaper
Utrustning
Kurslitteratur
Examination och slutförande
När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.
Betygsskala
Examination
- LAB1 - Laborationsuppgift, 2,0 hp, betygsskala: A, B, C, D, E, FX, F
- LAB2 - Laborationsuppgift, 2,0 hp, betygsskala: A, B, C, D, E, FX, F
- LAB3 - Laborationsuppgift, 2,0 hp, betygsskala: A, B, C, D, E, FX, F
- PRO1 - Projektarbete, 1,5 hp, betygsskala: A, B, C, D, E, FX, 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
Möjlighet till plussning
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.