Kursplan för Dataanalys och maskininlärning inom infrastruktur och miljöteknik

Kursplan fastställd 2026-02-12 av programansvarig (eller motsvarande).

Kursöversikt

  • Engelskt namnData analytics and machine learning in infrastructure and environmental engineering
  • KurskodACE680
  • Omfattning7,5 Högskolepoäng
  • ÄgareMPIEE
  • UtbildningsnivåAvancerad nivå
  • HuvudområdeSamhällsbyggnadsteknik
  • InstitutionARKITEKTUR OCH SAMHÄLLSBYGGNADSTEKNIK
  • BetygsskalaTH - Mycket väl godkänd (5), Väl godkänd (4), Godkänd (3), Underkänd

Kurstillfälle 1

  • Undervisningsspråk Engelska
  • Anmälningskod 27132
  • Min. antal deltagare10
  • Sökbar för utbytesstudenterJa

Poängfördelning

0126 Projekt 7,5 hp
Betygsskala: TH		7,5 hp

I program

Examinator

Behörighet

Grundläggande behörighet för avancerad nivå
Sökande med en programregistrering på ett program där kursen ingår i programplanen undantas från kravet

Särskild behörighet

Engelska 6
Sökande med en programregistrering på ett program där kursen ingår i programplanen undantas från kraven

Kursspecifika förkunskaper

Kandidatexamen i samhällsbyggnadsteknik, transportteknik, miljöteknik, eller motsvarande.

Syfte

Kursens syfte är att ge studenterna praktiska kunskaper för att hantera och analysera stora dataset och använda maskininlärning för analys, modellering och tolkning av data inom områdena infrastruktur, transport och miljöteknik.

Lärandemål (efter fullgjord kurs ska studenten kunna)

  1. Förstå olika typer av data och metoder för datainsamling relaterade till infrastruktur-, transport- och miljöteknik.
  2. Identifiera metoder för att bearbeta olika typer av data.
  3. Förstå begrepp och algoritmer för olika typer av maskininlärning.
  4. Visa på tillämpbarheten för olika maskininlärningsmetoder för att lösa uppgifter inom infrastruktur-, transport- och miljöteknik.
  5. Implementera programmering för dataanalys kopplad till infrastruktur-, transport- och miljöteknik.
  6. Tillämpa och utvärdera maskininlärningsmetoder för praktiska uppgifter inom infrastruktur-, transport- och miljöteknik.

Innehåll

Kursen omfattar begrepp, kunskaper, metoder och praktisk tillämpning inom dataanalys och maskininlärning för infrastruktur-, transport- och miljöteknik. Följande innehåll kommer att behandlas: (1) grundläggande begrepp och metoder för datatyper, förbehandling och analys; (2) begrepp och algoritmer för olika typer av maskininlärning; (3) programmeringskunskaper och färdigheter för dataanalys och maskininlärning (4) tillämpningar av dataanalys- och maskininlärningsmetoder för praktiska uppgifter inom infrastruktur-, transport- och miljöteknik. I kursen kommer vi också att utforska potentiella karriärvägar för dataanalys inom området infrastruktur-, transport- och miljöteknik.

Organisation

Kursen är strukturerad för att förmedla kunskap och färdigheter inom dataanalys och maskininlärning för infrastruktur-, transport- och miljöteknik. Den inleds med en översikt över olika datatyper, metoder för datainsamling, samt tekniker för databearbetning. Därefter behandlas begrepp och metoder för analys av olika typer av data, tillsammans med programmeringsfärdigheter för att implementera dessa metoder. Kursen introducerar sedan begrepp och algoritmer för allmänt använda maskininlärningsmetoder som är relevanta för tillämpningar inom infrastruktur-, transport- och miljöteknik, kompletterat med programmeringsövningar. Därefter genomförs projektarbete i grupp där dataanalys- och maskininlärningsmetoder tillämpas för att analysera och utvärdera problem inom infrastruktur-, transport- och miljöteknik. Undervisningen ges genom en kombination av föreläsningar, problemlösningsövningar och handledda grupprojekt baserade på studenternas bakgrund och intresse.

Litteratur

Coursera. Introduction to Data Analytics. Offered by IBM. Accessed January 30, 2026. https://www.coursera.org/learn/introduction-to-data-analytics. 
IBM. Machine Learning with Python. Coursera. Accessed January 30, 2026. https://www.coursera.org/learn/machine-learning-with-python
Wang, Yinhai, Zhiyong Cui, and Ruimin Ke. Machine learning for transportation research and applications. Elsevier, 2023.

Examination inklusive obligatoriska moment

Kursen examineras genom övningar och projektuppgifter.

Kursens examinator får examinera enstaka studenter på annat sätt än vad som anges ovan om särskilda skäl föreligger, till exempel om en student har ett beslut från Chalmers om riktat pedagogiskt stöd på grund av funktionsnedsättning.

Dataanalys och maskininlärning inom infrastruktur och miljöteknik | Chalmers