Kursplan för Digitalisering och AI för framtida sjöfart: grunder och tillämpningar

Kursplan fastställd 2026-02-16 av programansvarig (eller motsvarande).

Kursöversikt

  • Engelskt namnDigitalization and AI for future shipping: Fundamentals and applications
  • KurskodMMS285
  • Omfattning7,5 Högskolepoäng
  • ÄgareTSILO
  • UtbildningsnivåGrundnivå
  • HuvudområdeSjöfartsteknik
  • InstitutionMECHANICAL ENGINEERING
  • BetygsskalaTH - Mycket väl godkänd (5), Väl godkänd (4), Godkänd (3), Underkänd

Kurstillfälle 1

  • Undervisningsspråk

    Engelska

  • Anmälningskod

    81115

  • Max antal deltagare

    50 (minst 10% av platserna reserveras för utbytesstudenter)

  • Sökbar för utbytesstudenter

    Ja

Poängfördelning

Modul
LP1
LP2
LP3
LP4
Sommar
Ej LP
Tentamensdatum
0124 Projekt, del A 4,5 hp
Betygsskala: TH		 4,5 hp
0224 Laboration, del B 3 hp
Betygsskala: UG		 3 hp

I program

Examinator

Behörighet

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

Särskild behörighet

Samma behörighet som det kursägande programmet
Sökande med en programregistrering på ett program där kursen ingår i programplanen undantas från kraven

Kursspecifika förkunskaper

Kunskaper och färdigheter motsvarande lärandemål av följande kurser (eller liknande): MMS265 Introduktion till internationell logistik

Syfte

Kursen syftar till att stärka studenternas kunskaper i digitalisering av sjöfartssektorn med tonvikt på hur digitalisering kan användas i den dagliga verksamheten och för beslutsfattande transporter. För detta syftar kursen till att öka elevernas förståelse och färdigheter i big data och AI/maskininlärningsverktyg som används vid sjöfartsdigitalisering, samt i att visualisera- och analysera data inom miljömässigt hållbar sjötransport och förvaltning. Genom faktisk branschpraxis inom miljömässigt hållbar sjöfart syftar kursen också till att ge studenterna en fördjupad förståelse för utmaningar och möjligheter relaterade till digitalisering och AI inom sjötransportbranschen. Under kursen kommer deltagarnas färdigheter i PYTHON-programmering att vidareutvecklas.

Lärandemål (efter fullgjord kurs ska studenten kunna)

  • Förklara utmaningar och möjligheter inom digitalisering inom sjötransportsektorn
  • Förklara användningen av big data/AI hos intressenter inom sjöfartssektorn
  • Använd PYTHON i big data/AI-analys
  • Förklara tillämpningen av programmeringsskript i big data/AI-analys
  • Visa förståelse för användningen av big data-verktyg vid digitalisering av sjötransportsektorn
  • Utveckla maskininlärningsmodeller för beslutsfattande
  • Förklara och reflektera över digitaliseringens inverkan/på elevernas eget lärande

Innehåll

BLOCK 1 Digitalisering inom sjötransportsekton
Introduktion
  • Frakt Digitaliseringsstatus och trend
  • Sensorer och system för digitalisering av fartyg/hamnar
  • Trafikinformation i fraktkedjan
  • Big data rörande maritim miljö inom sjöfarten
  • System för datainsamling och delning mellan sjöfartsintressenter
Utmaningar och möjligheter med big data från sjöfartens digitalisering
  • Datainsamling/lagring/säkerhet
  • Data- och sensorkänsligheter (AIS-data, fartygsövervakningsdata, miljödata, logistikdata, förvaltningsplandata, …)
  • Datavisualisering
  • Dataanalys och datautvinningstekniker
BLOCK 2 Big data och AI-verktyg inom digitalisering inom sjötransportsektorn
Grundverktyg för att hantera fraktdigitaliseringsinformation
  • Översikt över python och bibliotek för dataanalys
  • Kvalitetsbedömning av olika fraktdatakällor
  • Typer av datainformation från sjöfartsdigitalisering
  • Exempel på datahantering för beslutsfattande
Grundläggande AI-verktyg för big data-analys inom sjöfartsdigitalisering
  • Förtydligande av olika terminologier inom området AI och ML
  • Översikt över olika kategorier för maskininlärning
  • Grundläggande matematik och statistik för tillämpning av ML
Big data och AI-verktyg i modern beslutsprocess för sjötransporter
  • Maritim ekonomi och logistisk planering
  • Hamnledning och fartygsruttplanering
  • Övervakning av fartygsprestanda
  • Analys och underhållsplanering av fartyg efter resan

BLOCK 3: Maskininlärning och programmering
Maskininlärningsmetoder
  • Grundläggande regression
  • Beslutsträd och ensemblealgoritm
  • Neuralt nätverk och Deep Learning
PYTHON-programmering
  • Förstå python-skript
  • Python-programmering
Exempel på digitalisering och AI-verktyg inom sjöfarten
  • AI/ML-tekniker för modellering av frakteffektivitet och säkerhet
  • AI/ML-tekniker för modellering av sjöfartsekonomi/logistik
  • AI/ML-tekniker för modellering av maritima miljöpåverkan

Organisation

Kursen är organiserad kring följande moment:

  • Föreläsningar och gästföreläsningar
  • Datorlaborationer
  • Projektuppgifter
  • Seminarier

Observera: Kursen kan upplevas som krävande för studenter med begränsade kunskaper i grundläggande Python-programmering eller med lågt intresse för programmeringsrelaterade uppgifter.

Litteratur

Följande litteratur kommer att användas i kursen:
  • Gruner, J. (2021). Digital Transformation in Shipping: The Hapag-Lloyd Story. In: Seebacher, U.G. (eds) B2B Marketing. Management for Professionals. Springer, Cham.
  • Martelli, A, Ravencroft, Holden, S. McGuire, P. (2023). Python in a Nutshell (4th Edn), O’Reilly.
  • Datorlaboratoriehandbok och instruktioner tillhandahålls under kursen.

Examination inklusive obligatoriska moment

Examinationen för kursen består av följande moment:

  • Kursmoment 1: Projektuppgifter som presenteras och redovisas vid ett avslutande seminarium (4,5 högskolepoäng)
  • Kursmoment 2: Laborationsövningar med fokus på Python-programmering (3 högskolepoäng)

Observera: Gästföreläsningar och vissa markerade föreläsningar är obligatoriska. Studenter som missar dessa obligatoriska föreläsningar måste genomföra extra uppgifter som kompensation.

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.