Elektroteknik AV, Datadriven utveckling med AI, 3 hp
Observera att kurslitteraturen 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:
Elektroteknik AV, Datadriven utveckling med AI, 3 hp
Electrical Engineering MA, Data Driven Development with AI, 3 credits
Allmänna data om kursen
- Kurskod: ET037A
- Ämne huvudområde: Elektroteknik
- Nivå: Avancerad
- Högskolepoäng: 3
- Fördjupning vs. Examen: A1N - Kursen ligger på avancerad nivå och har endast kurs(er) på grundnivå som förkunskapskrav.
- Utbildningsområde: Teknik 100%
- Ansvarig fakultet: Fakulteten för naturvetenskap, teknik och medier
- Ansvarig institution: Data- och elektroteknik
- Fastställd: 2023-06-08
- Giltig fr.o.m: 2023-08-15
Syfte
Kursen syftar till att ge förståelse i vad datadriven utveckling är och vilka effekter AI kan ha i att effektivisera eller öka kvalitet i en produkt, process eller en verksamhet. Studenten ska få verktyg för att kunna genomföra planering och strategiarbete i införandet av datadriven utveckling i en verksamhet.
Lärandemål
Efter kursen ska studenten kunna:
- beskriva och namnge olika AI-tekniker och dessas utmaningar,
- relatera och jämföra behov och utmaningar som kan lösas utifrån AI-baserad datadriven utveckling,
- välja ut och utveckla möjliga effekter som en databaserad AI-lösning skulle kunna ge utifrån en specifik utmaning.
Innehåll
- Olika AI-tekniker utifrån begrepp och karakteristik.
- Utmaningar som finns i genomförandet av datadriven utveckling.
- Fallstudier av databaserade lösningar som använder AI.
- Metoder för att ta fram strategier och effekter utifrån AI-baserad datadriven utveckling.
Behörighet
Avlagd kandidatexamen eller högskoleingenjörsexamen om minst 180 hp.
Urvalsregler
Urval sker i enlighet med Högskoleförordningen och den lokala antagningsordningen.
Undervisning
Undervisningen bedrivs i form av föreläsningar (fysiska eller virtuella) och seminarier (fysiska eller virtuella). Arbetsinsatsen för hela kursen omfattar normalt 80 timmar. Det betyder att utöver schemalagd tid måste studenten genomföra omfattande självstudier. Antalet lärartimmar för det specifika kurstillfället definieras i schemat.
Undervisning kan ske på svenska eller engelska.
Examination
I100: Inlämningsuppgift: Analys av strategier och effekter, 2 hp
Betygsskala: På kursen ges något av betygen A, B, C, D, E, Fx och F. A - E är Godkänt, Fx och F är underkänt.
T100: Skriftlig tentamen, 1 hp
Betygsskala: Underkänd (U) eller Godkänd (G)
Betygskriterier för ämnet finns på 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
På kursen ges något av betygen A, B, C, D, E, Fx och F. A - E är Godkänt, Fx och F är underkänt.
Litteratur
Kurslitteratur inom området tillhandahålls.
Kolla om litteraturen finns på biblioteket