Machine Learning for Internet of Things (IoT)
Maskininlärning för sakernas internet (IoT)

EITP40F, 7.5 högskolepoäng

Gäller från och med: Autumn 2022
Beslutad av: Maria Sandsten
Datum för fastställande: 2022-10-10

Allmänna uppgifter

Avdelning: Electrical and Information Technology
Kurstyp: Gemensam kurs, avancerad nivå och forskarnivå
Kursen ges även på avancerad nivå med kurskod: EITP40
Undervisningsspråk: English

Syfte

The purpose of the course is to provide an introduction to artificial intelligence and machine learning techniques for IoT systems e.g. wearable sensors for health monitoring.

Mål

Kunskap och förståelse

För godkänd kurs skall doktoranden

• For a passing grade the student must
• understand the IoT domain and the corresponding challenges and opportunities
• understand the state-of-the-art machine learning and artificial intelligence techniques
• understand the fundamental ideas behind the state-of-the-art machine learning techniques in the context of IoT systems e.g. in wearable sensors for health monitoring and medical informatics.

Färdighet och förmåga

För godkänd kurs skall doktoranden

• For a passing grade the student must
• analyze the suitability of a given machine learning technique for IoT systems
• apply and implement the state-of-the-art techniques in machine learning and artificial intelligence in the context of IoT systems
• evaluate and validate the existing machine learning techniques for IoT systems, in terms of relevant domain metrics.

Värderingsförmåga och förhållningssätt

För godkänd kurs skall doktoranden

• For a passing grade the student must
• show knowledge of the possibilities and limitations of artificial intelligence and machine learning in the context of IoT systems
• independently develop, train, and implement machine learning techniques on IoT systems and investigate the results obtained.

Kursinnehåll

Introduction to IoT systems and the challenges and opportunities in this domain Introduction and foundation of machine learning and deep neural networks in the context of IoT systems e.g. for wearable devices and sensors for health monitoring and medical informatics; Machine learning for IoT systems and distributed resource-constrained platforms.

Kurslitteratur

• Goodfellow, I., Bengio, Y. & Courville, A.: Deep Learning. 2016.
• Lindholm, A., Wahlström, N., Lindsten, F. & Schön, Thomas B.: Machine Learning, A First Course for Engineers and Scientists.
• Pete Warden, D.: TinyML:, Machine Learning with TensorFlow Lite on Arduino and Ultra-Low-Power Microcontrollers.

Kursens undervisningsformer

Undervisningsformer: Föreläsningar, laborationer, övningar, projekt

Kursens examination

Examinationsform: Muntlig tentamen
Betygsskala: Underkänd, godkänd
Examinator:

Antagningsuppgifter

Förutsatta förkunskaper: Programming, Basic probability, statistics, and algebra.

Övrig information

Course Coordinator: Amir Aminifar amir.aminifar@eit.lth.se

Kurstillfällesinformation

Kontaktinformation och övrigt

Kursansvariga: