ET1562 - Introduktionskurs i maskininlärning, sensorer och system

1. Beslut

Denna kurs är inrättad av dekan 2024-06-20. Kursplanen är fastställd av prefekten vid institutionen för matematik och naturvetenskap 2025-02-21 och gäller från 2025-03-12.

2. Förkunskapskrav

För tillträde till kursen krävs kandidatexamen eller högskoleingenjörsexamen inom naturvetenskap, teknik, ingenjörsvetenskap, matematik eller motsvarande. Engelska 6.

3. Syfte och innehåll

3.1 Syfte

Syftet med denna kurs är att introducera programmet, inklusive omfattning, mål, utbildningsplattformar och verktyg för studenterna. De kommer också att introduceras till forskningsprojekt och miljö vid universitetet. Dessutom ger kursen grundläggande kunskaper och praktiska färdigheter inom sensorsystem, signalbehandling, maskininlärning och beräkningsproblemlösning med hjälp av moderna verktyg som MATLAB, Python och relaterade bibliotek. Studenterna kommer också att få möjlighet att öva på centrala begrepp inom signalbehandling, maskininlärning och dataanalys genom en verklig applikation. Vidare betonar kursen kommunikationsförmåga och vetenskapligt skrivande för att kunna förmedla tekniska begrepp klart och koncist i skriftliga rapporter.

3.2 Innehåll

· Introduktion till centrala begrepp inom signalbehandling och maskininlärning.
· Programmeringstekniker i MATLAB och Python.
· Förmåga att skriva tekniska rapporter och kommunicera.

4. Lärandemål

Följande lärandemål examineras i kursen:

4.1. Kunskap och förståelse

Efter avslutad kurs ska studenten kunna:

förklara grundläggande begrepp inom signalbehandling och maskininlärning.
beskriva rollen för programmeringsverktyg som MATLAB och Python för att simulera system, analysera data och utveckla algoritmer.
beskriva betydelsen av signalbehandling och maskininlärning för att hantera tekniska utmaningar.

4.2. Färdighet och förmåga

Efter avslutad kurs ska studenten kunna:

använda utbildningsplattformen och verktygen för sina studier.
tillämpa grundläggande signalbehandlings- och maskininlärningsalgoritmer för att modellera enkla system och lösa inledande tekniska problem med hjälp av Python/MATLAB.
utveckla och exekvera kod för grundläggande signalanalys och beräkningssimuleringar.
kommunicera tekniska begrepp tydligt i strukturerade skriftliga rapporter.

4.3. Värderingsförmåga och förhållningssätt

Efter avslutad kurs ska studenten kunna:

kritiskt bedöma styrkor och begränsningar hos signalbehandlings- och maskininlärningsmetoder i specifika kontexter.
utvärdera de etiska implikationerna av algoritmiska beslut.
bestämma lämpligheten av en metod för ett givet tekniskt problem.
reflektera över den samhälleliga effekten av maskininlärningsdrivna lösningar i tillämpningar.

5. Läraktiviteter

Undervisningen består av föreläsningar, övningar och projekt. Studenterna presenterar sitt arbete skriftligt i projektrapporter.

6. Bedömning och examination

Examinationsmoment för kursen

Kod	Benämning	Omf.	Betyg
2510	Projekt	3 hp	GU

Kursen bedöms med betygen G Godkänd, Ux Underkänd, något mer arbete krävs, U Underkänd.

Examinator har möjlighet att muntligen följa upp skriftliga examinationer.

I kurstillfällets information inför kursstart framgår i vilka examinationsmoment som kursens lärandemål examineras samt gällande bedömningsgrunder.

Examinator kan, efter samråd med högskolans FUNKA-samordnare, fatta beslut om anpassad examinationsform för att en student med varaktig funktionsvariation ska ges en likvärdig examination jämfört med en student utan funktionsvariation.

7. Kursvärdering

Kursvärdering ska göras i enlighet med BTH:s beslut om frågeställning i kursvärderingar och beslut om process för hantering och uppföljning av kursvärderingar.

8. Begränsningar i examen

Kursen kan ingå i examen men inte tillsammans med annan kurs vars innehåll, helt eller delvis, överensstämmer med innehållet i denna kurs.

9. Kurslitteratur och övriga lärresurser

Studenterna kommer förses med studiematerial från institutionen under kursens gång.