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

EITP40F, 7,5 högskolepoäng

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

Allmänna uppgifter

Avdelning: Inst för elektro- och informationsteknik
Kurstyp: Gemensam kurs, avancerad nivå och forskarnivå
Kursen ges även på avancerad nivå med kurskod: EITP40
Undervisningsspråk: Engelska

Syfte

Kursens syfte är att ge en introduktion till artificiell intelligens och maskininlärning för IoT, till exempel bärbara sensorer för hälsa.

Mål

Kunskap och förståelse

För godkänd kurs skall doktoranden

• För godkänd kurs skall studenten
• ha kunskap om IoT området och möjligheterna och begränsningarna med IoT
• ha kunskap om moderna artificiell intelligens och maskininlärningsmetoder
• ha kunskap om moderna artificiell intelligens och maskininlärningsmetoder för IoT, till exempel bärbara sensorer för hälsa och medicinsk informatik.

Färdighet och förmåga

För godkänd kurs skall doktoranden

• För godkänd kurs skall studenten
• Kunna analysera tillämpningsbarheten av maskininlärningsmetoder för IoT
• Kunna använda och implementera moderna artificiell intelligens och maskininlärning för IoT
• Kunna bedöma och validera maskininlärningsmetoder för IoT

Värderingsförmåga och förhållningssätt

För godkänd kurs skall doktoranden

• För godkänd kurs skall studenten
• Visa kunskaper om möjligheterna och begränsningarna med artificiell intelligens och maskininlärning för IoT
• Självständigt kunna ställa upp och implementera maskininlärning modeller för IoT, samt uppskatta tillförlitlighet på resultat

Kursinnehåll

introduktion till IoT och möjligheterna och begränsningarna med artificiell intelligens och maskininlärning för IoT introduktion till artificiell intelligens och maskininlärning för IoT, till exempel bärbara sensorer för hälsa maskininlärning för IoT och distribuerade resursbegränsade plattformar.

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: Programmering, grundläggande matematisk statistik, statistiska metoder, algebra.

Övrig information

Kursansvarig: Amir Aminifar amir.aminifar@eit.lth.se

Kurstillfällesinformation

Kontaktinformation och övrigt

Kursansvariga: