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

Spesielle vilkår

Anbefalte forkunnskaper

Studentene foreslås å ha grunnleggende kunnskap om lineær algebra, statistikk og litt erfaring med programmering.

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