Kursplan för Avancerad programvaruteknik för AI/ML-aktiverade system

Kursplanen innehåller ändringar
Se ändringar

Kursplan fastställd 2022-02-01 av programansvarig (eller motsvarande).

Kursöversikt

  • Engelskt namnAdvanced Software Engineering for AI/ML-Enabled Systems
  • KurskodDAT550
  • Omfattning7,5 Högskolepoäng
  • ÄgareMPSOF
  • UtbildningsnivåAvancerad nivå
  • HuvudområdeDatateknik, Informationsteknik
  • InstitutionDATA- OCH INFORMATIONSTEKNIK
  • BetygsskalaTH - Mycket väl godkänd (5), Väl godkänd (4), Godkänd (3), Underkänd

Kurstillfälle 1

  • Undervisningsspråk Engelska
  • Anmälningskod 24119
  • Max antal deltagare30
  • Sökbar för utbytesstudenterJa

Poängfördelning

0122 Inlämningsuppgift 7,5 hp
Betygsskala: TH
7,5 hp

    I program

    Examinator

    Gå till kurshemsidan (Öppnas i ny flik)

    Behörighet

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

    Särskild behörighet

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

    Kursspecifika förkunskaper

    För behörighet till kursen krävs minst en kandidatexamen inom software engineering, informationsteknik, programvaruteknik, datavetenskap eller motsvarande. Dessutom krävs avklarade kurser i:
    • Programmering (t.ex. DAT042, DAT050, DAT055, DAT170, TDA545, TDA550 eller motsvarande)
    • En grundläggande kurs i AI/ML (t.ex. DAT405, DAT410, DAT440 eller motsvarande)
    • En allmän kurs i Software Engineering (t.ex. TDA594 Software engineering principles for complex systems eller motsvarande) eller 6 hp inom ett eller flera av följande ämne inom Software Engineering: Mjukvaruprocess, Mjukvaruarkitektur, Mjukvarukvalitetsäkring eller testning, Kravhantering (t.ex. DAT257, EDA397, DAT360, DAT490, TDA567, DAT321 DAT356, DAT231 eller motsvarande)

    Syfte

    Artificiell intelligens och maskininlärning används mer och mer i praktiken. Men introduktionen av AI/ML-komponenter i ett mjukvarusystem kommer med nya utmaningar och behov och förändrar hur mjukvarusystemet konstrueras. Denna kurs introducerar processer, metoder och tekniker för att konstruera AI/ML-aktiverade mjukvarusystem.

    Lärandemål (efter fullgjord kurs ska studenten kunna)

    - Förklara processer och tekniska metoder för att utveckla AI/ML-aktiverade system, från kravteknik till testning
    - Förklara typiska roller inom mjukvaruteknik för AI/ML -aktiverade system samt utmaningar i tvärvetenskapliga team bestående av datavetare och programvaruingenjörer
    - Förklara typiska krav för AI/ML-komponenter, till exempel icke-funktionella krav, krav på data, och kontextuella krav
    - Förklara arkitekturer och mönster för AI/ML-aktiverade system
    - Beskriva befintliga tekniker för att verifiera och förklara beslut som fattas av AI/ML-aktiverade system
    - Ge en översikt över ny forskning om SE för AI/ML-aktiverade system

    Innehåll

    - Läsa en forskningsartikel om mjukvaruteknik för AI/ML-aktiverade system, presentera dess innehåll och diskutera kritiskt den presenterade forskningsdesignen
    - Demonstrera en mjukvaruteknik för AI/ML-aktiverade system med lämpliga exempel
    - Bedöma ny teknisk kunskap för AI/ML-aktiverade system och relatera den till den kunskap som presenteras i denna kurs

    Organisation

    - Bedöma i vilken utsträckning systemet kring AI/ML-komponenter behöver skyddas
    - Bedöma vilka verifieringsmetoder är lämpliga när man utvecklar ett AI/ML-aktiverat system med tanke på kraven på det systemet
    - Bedöma om en modell har systematiska fördomar och diskutera konsekvenserna
    - Bedöma rättvisa och potentiella andra etiska frågor i ett AI/ML-aktiverat system
    - Bedöma användarens behov av information för att kunna arbeta med ett AI-aktiverat system
    - Bedöma begränsningar av en toppmodern programvaruteknik för AI/ML med hjälp av bevis som presenteras i forskningsartiklar

    Litteratur

    Kurslitteratur kommer att publiceras senast 8 veckor innan kursstart.

    Examination inklusive obligatoriska moment

    Examinationen består av en individuell presentation. Dessutom krävs aktivt deltagande och bidragande i diskussioner samt en individuell rapport.

    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 pedagogiskt stöd på grund av funktionsnedsättning.

    Kursplanen innehåller ändringar

    • Ändring gjord på kurstillfälle:
      • 2023-04-05: Examinator Examinator ändrat från Regina Hebig (hebig) till Eric Knauss (knauss) av Viceprefekt
        [Kurstillfälle 1]