Engelska

Vid tillräcklig efterfrågan

Syftet med kursen är att introducera maskininlärningsalgoritmer för vattentillämpningar. Kursen innehåller såväl föreläsningar som laborationer om programmeringsspråket Python för studenter som saknar tillräckliga programmeringskunskaper. Kursen är tvärvetenskaplig och involverar gästföreläsare från olika institutioner, som täcker olika tillämpningar av maskininlärning för att lösa vattenrelaterade problem, t.ex. rumslig och tidsmässig modellering av vattenkvalitet och kvantitet, samt utveckling av system för tidig varning. Kursen innehåller även gruppprojekt där studenterna får möjlighet att arbeta med verkliga vattenrelaterade frågor och få praktisk erfarenhet.

Introduktion och grunden för de senaste maskininlärningsalgoritmerna.
Introduktion till programmeringsspråket Python.
Datorlaboratoriesessioner för att hjälpa eleverna att få praktisk erfarenhet av Python-programmeringsspråket och tillämpningen av maskininlärningsalgoritmer.
Gästföreläsningar om tillämpning av maskininlärning för vattenrelaterade frågor baserade på studentens avhandlingsämnen och tillgängliga gästföreläsare. t.ex. rumslig och tidsmässig modellering av vattenkvalitet och vattenkvantitet, samt utveckling av system för tidig varning.
Gruppprojekt om verkliga vattenrelaterade problem.
Seminarium och opposition.

Kunna brett beskriva utmaningarna och möjligheterna med tillämpning av maskininlärning i vattensammanhang.
Kunna uttömmande förklara grundläggande kunskaper om maskininlärning, t.ex. övervakad och oövervakad inlärning, träningsklassificering och regressionsalgoritmer.
Kunna konkret beskriva idéerna bakom de toppmoderna maskininlärningsalgoritmerna
Kunna förklara hur maskininlärningsbaserade ramverk kan utvecklas för rumslig och tidsmässig modellering av vattenmängd och vattenkvalitet, samt system för tidig varning.

Kunna självständigt hantera och analysera data med hjälp av programmeringsspråket Python.
Kunna kreativt och aktivt arbeta som individ och i team för att utveckla maskininlärningsbaserade ramverk och tillämpa dem för att lösa vattenrelaterade problem.
Kunna vetenskapligt utvärdera och validera prestandan hos maskininlärningsalgoritmer för vattentillämpningar.
Kunna vetenskapligt och aktivt tolka och diskutera resultaten från maskininlärningsalgoritmer.
Kunna skriva rapporter och presentera grupparbetet på ett vetenskapligt och tekniskt sätt.

Kunna utvärdera och ge konstruktiv feedback till de utvecklade maskininlärningsbaserade ramverken av andra grupper i klassen.
Kunna visa kunskap om maskininlärningens möjligheter och begränsningar för vattentekniska sammanhang
Aktivt kunna relatera kursinnehållet till sin egen doktorsexamen. projekt eller ett relaterat ämne.

Föreläsningar

Seminarier

Laborationer

övningar

Projekt

Inlämningsuppgifter, övningar i laborationer, grupparbeten och seminarier

Skriftlig rapport

Inlämningsuppgifter

Seminarieföredrag av deltagarna

Underkänd, godkänd

Förutsatta förkunskaper: Sökanden måste vara antagen till forskarstudier

Grundläggande matematik, inklusive sannolikhetsteori och statistik

Begränsat antal deltagare: max 20; kursen kan ställas in om det är färre än 5 anmälda deltagare vid kursstart. Vid fler sökande än gränsen kommer studenter inom vattenresursteknik att prioriteras.

Lindholm, A., Wahlström, N., Lindsten, F. & Schön, Thomas B.: Machine Learning, A First Course for Engineers and Scientists. Cambridge University Press, 2022.

Boken "Machine Learning: A first course for engineers and scientists" är lämplig för ingenjörsstudenter. Litteraturen innehåller även tre andra böcker om maskininlärning och Python-programmering samt vetenskapliga artiklar:
• Andreas Lindholm, Niklas Wahlström, Fredrik Lindsten och Thomas B. Schön: Machine Learning, A First Course for Engineers and Scientists. Tillgänglig online http://smlbook.org/.
• Hastie, T., Tibshirani, R., Friedman, J.H. och Friedman, J.H., 2009. Elementen av statistiskt lärande: datautvinning, slutledning och förutsägelse (Vol. 2, s. 1-758). New York: Springer.
• Géron, A., 2022. Praktisk maskininlärning med Scikit-Learn, Keras och TensorFlow. "O'Reilly Media, Inc.".
• Downey, A., Wentworth, P., Elkner, J. och Meyers, C., 2016. How to think like a data scientist: learning with python 3. Tillgänglig online https://openbookproject.net/thinkcs/python/ engelska3e/
• Vetenskapliga artiklar kommer också att användas i kursen utifrån studenternas discipliner.

Begränsat antal deltagare: max 20; kursen kan ställas in om det är färre än 5 anmälda deltagare vid kursstart. Vid fler sökande än gränsen kommer studenter inom vattenresursteknik att prioriteras.

VVR080F

2023-02-16

Gudbjörg Erlingsdottir