course-details-portlet

IP505245 - Anvendt AI og kontroll

Om emnet

Det tilbys ikke lenger undervisning i emnet.

Vurderingsordning

Vurderingsordning: Samlet karakter
Karakter: Bokstavkarakterer

Vurdering Vekting Varighet Delkarakter Hjelpemidler
Individuell oppgave 60/100
Muntlig eksamen 40/100 30 minutter

Faglig innhold

Kurset er åpent for studenter som er interessert i kunstig intelligens (AI) og er villige til å bruke AI i praktiske applikasjoner. Fokus vil være på prinsipper og implementering av AI-metoder for havteknikk. Gjennom hele kurset vil studentene få kunnskap om konsept, metodikk og eksperimenter fra eksempler på virkelige prosjekter innen marint område. Kursinnholdet er som følger:

  • AI introduksjon
  • Datainnsamling, analyse og rensing
  • AI og kontrollmetoder
    • veiledet læring
    • uten tilsyn læring
    • forsterkningslæring
    • dyp læring ...
  • AI i forskjellige applikasjoner
    • Forutsigelse av skipets bevegelse
    • Diagnostisering og prognose for motorfeil
    • ANN-basert kontroller for docking av skip
    • Thruster feilregistrering og isolasjon
    • Dyp forsterkningslæring for COLREGs-kompliant manøvrering
    • Beregning av sjøstat ...

Læringsutbytte

Studentene forventes å:

  • Ha god forståelse av AI-metoder og deres fordeler og ulemper;
  • Ha kunnskap om utfordringer innen marine applikasjoner;
  • Vet hvordan du skal håndtere data, formulere problemet, forenkle modellens medvirkning og velge AI-metoder;
  • Kunne designe og implementere egne AI-algoritmer for virkelige applikasjoner.

Læringsformer og aktiviteter

Forelesninger, øvelser og eksempler fra reelle applikasjoner vil bli gitt i løpet av kurset. Det vil være individuelle obligatoriske oppgaver og eksamensprosjekt. 75% av de obligatoriske oppgavene må godkjennes før opptak til eksamen.

Obligatoriske aktiviteter

  • Individuelle obligatoriske oppgaver

Mer om vurdering

Avsluttende prosjekt 60% + muntlig eksamen 40%.

Kontinuasjonseksamen kan gjennomføres for den enkelte delvurdering og tilbys påfølgende semester.

Det gis anledning til å klage på delvurderinger i dette emnet før alle delvurderinger er gjennomført.

Spesielle vilkår

Krever opptak til studieprogram:
Naval Architecture (850MD)
Naval Architecture (850ME)
Product and System Engineering (840MD)
Product and Systems Design (845ME)

Forkunnskapskrav

Ingen.

Kursmateriell

  • Jackson, Philip C. Introduction to artificial intelligence. Courier Dover Publications, 2019.
  • Bishop, Christopher M. Pattern recognition and machine learning. springer, 2006.
  • Sutton, Richard S., Barto, Andrew G. Reinforcement learning: An introduction. MIT press, 2018.
  • A Beginner's Guide to Deep Reinforcement Learning, https://pathmind.com/wiki/deep-reinforcement-learning

Flere sider om emnet

Ingen

Fakta om emnet

Versjon: 1
Studiepoeng:  7.5 SP
Studienivå: Høyere grads nivå

Undervisning

Undervisningsspråk: Engelsk

-

Fagområde(r)
  • Datateknikk og informasjonsvitenskap
  • Informatikk
  • Marin teknologi
Kontaktinformasjon
Emneansvarlig/koordinator: Faglærer(e):

Ansvarlig enhet
Institutt for havromsoperasjoner og byggteknikk

Timeplan

Listevisning
Kalendervisning

Eksamensinfo

Vurderingsordning: Samlet karakter

Termin Statuskode Vurdering Vekting Hjelpemidler Dato Tid Eksamens- system Rom *
Høst UTS Individuell oppgave 60/100

Innlevering
02.12.2024


12:00

INSPERA
Rom Bygning Antall kandidater
Høst UTS Muntlig eksamen 40/100 02.12.2024 09:00
Rom Bygning Antall kandidater
A436 Hovedbygget 0
Vår ORD Individuell oppgave 60/100 INSPERA
Rom Bygning Antall kandidater
Vår ORD Muntlig eksamen 40/100
Rom Bygning Antall kandidater
  • * Skriftlig eksamen plasseres på rom 3 dager før eksamensdato. Hvis mer enn ett rom er oppgitt, finner du ditt rom på Studentweb.
Eksamensinfo

For mer info om oppmelding til og gjennomføring av eksamen, se "Innsida - Eksamen"

Mer om eksamen ved NTNU