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

EP272V Nätverksanalys och datadriven teknik 7,5 hp

Administrera Om kursen

Denna projektkurs introducerar studenter till datadriven konstruktion av nätverk och molnsystem. Med hjälp av metoder från statistiskt lärande kommer eleverna att utveckla och utvärdera till exempel modeller för förutsägelse och prognostisering av Key Performance Indicators (KPI:er) och för upptäckt av anomalier. Modellerna kommer att monteras och utvärderas med hjälp av testbäddsmätningar eller spår från operativa system. Funktionerna byggda från dessa modeller är designade för realtidsexekvering. För att utveckla modellerna kommer dataanalytiska verktyg och paket att användas, t.ex. Jupyter notebook, scikit-learn, TensorFlow. Kursen är uppbyggd som två på varandra följande projektblock. Varje block inleds med inledande föreläsningar som ger bakgrund och diskuterar koncept för det specifika projektet, följt av projektgenomförande, rapportskrivning och intervju.

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 2024-10-28 fristående studerande

Anmälningskod

10124

Rubriker med innehåll från kursplan EP272V (HT 2022–) är markerade med en asterisk ( )

Innehåll och lärandemål

Kursinnehåll

Det här är en projektkurs där studenterna utför analysprojekt enskilt eller i mindre grupp. Projekten använder data från verkliga system, exempelvis driftdata från nätverk eller datormoln.

Kursen innefattar:

  • inledande lektioner om de utvalda maskininlärningstekniker som används i projekten
  • introduktion till verktygen som ska användas
  • projekt utförda av studenterna med stöd av meddelandetavlor och projektmöten
  • förberedelse inför studenternas projektrapporter.

Projektuppgifterna kan komma att ändras från år till år.

Lärandemål

Efter godkänd kurs ska studenten kunna:

  • modellera en uppgift för nätanalys
  • förprocessera data och skapa modeller för prediktion baserade på maskininlärningstekniker och -verktyg
  • utvärdera, tolka samt tillämpa resultaten när det är möjligt
  • skriva rapport som beskriver och förklarar projektresultat.

Kurslitteratur och förberedelser

Särskild behörighet

Totalt 180 hp varav minst 90 hp inom datalogi, elektroteknik eller motsvarande.

  • Kunskaper i statistik, 6 hp.
  • Kunskaper i maskininlärning, 6 hp.
  • Kunskaper i nätverk och datorsystem, 6 hp.
  • Kunskaper i programmering i Python, 6 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

A, B, C, D, E, FX, F

Examination

  • PRO1 - Projektarbete, 7,5 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

Ingen information tillagd

Möjlighet till plussning

Ingen information tillagd

Examinator

Profile picture Rolf Stadler

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

Denna kurs tillhör inget huvudområde.

Utbildningsnivå

Avancerad nivå

Påbyggnad

Ingen information tillagd

Kontaktperson

Rolf Stadler stadler@kth.se