Kursplan för Data science inom produktframtagning

Kursplanen innehåller ändringar
Se ändringar

Kursplan fastställd 2020-02-10 av programansvarig (eller motsvarande).

Kursöversikt

  • Engelskt namnData science in product realization
  • KurskodIMS065
  • Omfattning7,5 Högskolepoäng
  • ÄgareMPPEN
  • UtbildningsnivåAvancerad nivå
  • HuvudområdeAutomation och mekatronik, Maskinteknik
  • InstitutionINDUSTRI- OCH MATERIALVETENSKAP
  • BetygsskalaTH - Mycket väl godkänd (5), Väl godkänd (4), Godkänd (3), Underkänd

Kurstillfälle 1

  • Undervisningsspråk Engelska
  • Anmälningskod 34125
  • Max antal deltagare50
  • Blockschema
  • Sökbar för utbytesstudenterJa

Poängfördelning

0120 Projekt 7,5 hp
Betygsskala: TH		0 hp7,5 hp0 hp0 hp0 hp0 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

Programmering, statistik, grunder inom produkt- och/eller produktionsutveckling.

Syfte

Syftet är att möjliggöra datadrivna och faktabaserade beslut inom maskiningenjörsområdet, specifikt inom industriell produktframtagning. Kursens övergripande mål är därför att ge studenterna grundläggande förståelse för ”data science” (artificiell intelligens och maskininlärning inkluderat) och färdigheter i att applicera tekniker inom ”data science” för att utveckla produktionssystem och produkter.

Lärandemål (efter fullgjord kurs ska studenten kunna)

Efter avklarad kurs kommer studenterna kunna:
LO1: Beskriva grunderna inom Artificiell Intelligens (AI), maskininlärning (ML), datadriven modellering och analys av stora datamängder.
LO2: Applicera grunderna i välkända bibliotek och verktyg för dataanalytiker
LO3: Beskriva olika steg i dataanalysprocessen
LO4: Beskriva och applicera visualiseringstekniker kopplade till dataanalysprocessen
LO5: Använda metoder för preparering av dataset för att säkerställa datakvalitet
LO6: Förklara grundläggande mening med och bedöma användbarheten av AI/ML-algoritmer för utveckling av produktionssystem och produktutveckling.
LO7: Tolka och diskutera state-of-the-art-kunskap från vetenskapliga artiklar kopplat till dataanalys inom maskiningenjörsområdet
LO8: Implementera vanliga AI/ML-algoritmer, analysera deras prestation och diskutera deras användbarhet i industriella applikationer genom produktframtagningskedjan.
LO9: Kritiskt analysera och argumentera kring etiska principer och potentiell påverkan av AI på människor och samhälle samt utvärdera sociala och mänskliga krav på framtida system och scenarion.

Innehåll

Kursen är uppdelad i fem moduler:
Modul1: Introduktion till avancerad dataanalys
• Grunder inom avancerad dataanalys
• Överblick av datadriven modellering och analys av stora datamängder
• Introduktion till verktyg för dataanalytiker
Modul2: Dataanalys och visualisering
• Introduktion till dataanalysprocessen
• Explorativ dataanalys och statistik
• Metoder för preparering av dataset
Modul3: AI och ML
• Generell introduktion till AI och ML
• Exempel på ML-algoritmer och förståelse för situationer de kan användas
• Exempel på Deep Learning: Neurala nätverk (NNs)
• Analys av olika industriella applikationer av AI/ML inom produktframtagning
Modul4: Etiska aspekter av AI
• Etiska och sociala aspekter av AI
• Förståelse för hur det är att arbeta tillsammans med AI
Modul5: Att skapa värde av AI inom produktframtagning
• Grupparbeten för att förstå och skapa värde av AI/ML inom produktframtagning.

Organisation

Kursen använder metoder för aktivt och problembaserat lärande för att engagera studenterna och supporta inlärningen på ett kreativt sätt. De olika kursmodulerna innehåller följande läraktiviteter:
• Föreläsningar
• Labbar och introducerande datorövningar
• Modelleringsövningar för att träna visualisering, datapreparering och AI/ML-applikationer
• Projektarbete med integrerade laborationer
• Presentationer och diskussioner av vetenskapliga artiklar kopplade till produktframtagningsprocessen

Litteratur

- Vetenskapliga artiklar
- Föreläsningsmaterial

Examination inklusive obligatoriska moment

Examination och betygssättning baseras på ett projektarbete som summerar laborationsuppgifterna genom kursen och diskuterar resultaten relativt state-of-the-art inom området. Projektleveranserna inkluderar en teknisk rapport, med labbrapporter och diskussion, samt en obligatorisk och individuell dugga. Betygen är individuella enligt skalan 5, 4, 3, Fail.

Kursplanen innehåller ändringar

  • Ändring gjord på kurstillfälle:
    • 2020-04-15: Block Block B tillagt av lina haglund
      [Kurstillfälle 1]
    • 2020-03-24: Block Block B tillagt av lina haglund
      [Kurstillfälle 1]