Datateknik AV, Inbyggd intelligens, 3 hp
Observera att litteraturen i kursplanen kan ändras/revideras fram till:
• 1 juni för en kurs som startar på höstterminen
• 15 november för en kurs som startar på vårterminen
• 1 april för en kurs som startar på sommaren
Skriv ut eller spara kursplanen som PDF
Du kan enkelt skriva ut en kursplan direkt från webbsidan. Använd kortkommandot ctrl+p (Windows) eller command+p (Mac). I nästa steg väljer du om du vill skriva ut eller spara kursplanen som PDF.
För en nedlagd kurs kan eventuell information om avvecklingsperiod hittas under rubriken "Övergångsregel" i senaste versionen av kursplanen.
Kursplan för:
Datateknik AV, Inbyggd intelligens, 3 hp
Computer Engineering MA, Embedded Edge Intelligence, 3 credits
Allmänna data om kursen
- Kurskod: DT041A
- Ämne huvudområde: Datateknik
- Nivå: Avancerad nivå
- Högskolepoäng: 3
- Fördjupning vs. Examen: A1N - Avancerad nivå, har endast kurs/er på grundnivå som förkunskapskrav
- Utbildningsområde: Tekniska området 100%
- Ansvarig institution: Data- och elektroteknik
- Fastställd: 2025-03-05
- Giltig fr.o.m: 2024-09-02
Syfte
Denna kurs ger deltagarna den grundläggande teoretiska och tillämpade kunskapen som behövs för att förstå och designa avancerade edge-intelligenssystem, med fokus på specifika designutmaningar och praktiska lösningar. Målet med kursen är att introducera studenter till väsentliga begrepp inom edge-intelligens. Deltagarna kommer att lära sig om edge computing, cloud computing, inbyggda system, realtidsoperativsystem och kommunikationsprotokoll för edge-enheter. Kursen täcker TinyML, med fokus på grundläggande modeller, algoritmer och optimering för resursbegränsade enheter, tillsammans med utbildning och driftsättning. Säkerhet, integritet och etiska överväganden i edge-intelligens kommer också att tas upp. Kursen avslutas med en översikt över aktuella trender och praktiska forskningsmöjligheter inom området.
Lärandemål
Efter avslutad kurs ska studenten kunna:
- Skapa edge-intelligenssystem skräddarsydda för olika applikationsinställningar.
- Optimera AI/ML-modeller för resursbegränsade enheter.
- Genomföra en avvägningsanalys mellan prestanda och resurser.
- Analysera distribuerat lärande, säkerheten, integriteten och etiska övervägandena i edge-intelligens.
- Överväga lämpliga protokoll och hårdvara.
- Skapa prototyp av edge-intelligencesystem som använder kommersiella komponenter.
- Utvärdera prestandan av edge-intelligens.
Innehåll
- Utmaningar för edge-intelligenssystem
- Hårdvaruplattformar för edge computing och edge-intelligens
- Operativsystem i realtid för edge-intelligens
- Nätverks- och kommunikationsprotokoll för edge-enheter
- AI/ML/TinyML-modeller, algoritmer och arkitekturer
- Modelloptimering, utbildning, implementering för resursbegränsade enheter.
- Distribuerat lärande på enheter med begränsade resurser
- Molnintegration och edge-cloud samarbeten
- Säkerhet, integritet och etiska överväganden
Behörighet
90 hp avslutade kurser, varav 60 hp Datateknik GR (ABC), inklusive 12 hp programmering och 6 hp datornätverk.
Urvalsregler
Urval sker i enlighet med Högskoleförordningen och den lokala antagningsordningen.
Undervisning
Kursen består av föreläsningar, instuderingsuppgifter, projekt och muntliga presentationer, samt en skriftlig tentamen.
Kursen kan även ges som självstudiekurs.
Examination
P101: Project Assignment, 1 hp
Betygsskala: Tvågradig skala
T101: Skriftlig tentamen, 2 hp
Betygsskala: Sju-gradig skala, A-F o Fx
Länk till betygskriterier: https://www.miun.se/betygskriterier.
Om student har ett besked från samordnaren vid Mittuniversitetet om pedagogiskt stöd vid funktionsnedsättning, har examinatorn rätt att ge anpassad examination för studenten.
Begränsning av examination
Studenter registrerade på denna version av kursplan har rätt att examineras 3 gånger inom loppet av 1 år enligt angivna examinationsformer. Därefter gäller examinationsform enligt senast gällande version av kursplan.
Betygsskala
Sju-gradig skala, A-F o Fx