IN5460 – Kunstig intelligens for energiinformatikk
Beskrivelse av emnet
Kort om emnet
Emnet gir en introduksjon til hvordan teknikker for kunstig intelligens og algoritmer for datadrevne intelligente beslutninger vil anvendes i fremtidens smarte og bærekraftige energi- og transportsystemer. Hovedfokus er på anvendelsen av dyp læring og avanserte maskinlæringsteknikker. Tema i emnet inkluderer grunnleggende begreper relatert til smarte og bærekraftige energi- og transportsystemer, for eksempel etterspørselsstyring, energiforvaltning, energiinformatikk, elektrisk mobilitet og energieffektivitet, og anvendelse av dyplæringsalgoritmer og avanserte maskinlæringsbegreper for å løse typiske beslutningsproblemer for dette området.
Hva lærer du?
Etter å ha tatt dette emnet vil du ha:
- kunnskap om smarte og bærekraftige energi- og transportsystemer som smartnett, elbiler og internet of vehicles.
- lært om grunnleggende konsepter og teknikker/algoritmer relatert til dyplæring og avansert maskinlæring- f.eks. gjentagende (recurrent) nevrale nett, konvolusjonelle nevrale nett, dyp forsterket læring, føderert læring, generative motstridende nettverk, osv.
- kunnskap om typiske datadrevne intelligente beslutningsproblemer for smarte og bærekraftige energi og intelligente transportsystemer.
- analysert og utviklet en forståelse av hvilke teknikker/algoritmer som kan brukes for å løse hva slags type problemer i fremtidige smarte og bærekraftige energi og intelligente transportsystemer.
- lært hvordan du ved hjelp av programvareverktøy og reelle datasett kan løse noen av disse problemene, og ha kunnskap om ytelsen til forskjellige teknikker/algoritmer.
- møtt inviterte forelesere fra industrien, og fra forelesningene deres fått forståelse for hvordan akademiske konsepter og algoritmer benyttes i virkelige systemer.
Opptak til emnet
Studenter må hvert semester søke og få plass på undervisningen og melde seg til eksamen i Studentweb.
Anbefalte forkunnskaper
Studenter bør ha grunnleggende kunnskap om ICT og nettverk, f. eks. fra IN2010 og IN3230.
Det vil også være fordelaktig å ha erfaring med linear algebra, f. eks fra MAT1120.
Overlappende emner
- 10 studiepoeng overlapp med IN9460 – Kunstig intelligens for energiinformatikk.
Undervisning
3 timer forelesninger, seminar og gjesteforelesninger per uke. Det kreves gjennomføring av obligatoriske oppgaver for å kunne gå opp til eksamen.
Eksamen
Muntlig eksamen.
Obligatoriske oppgaver må være godkjent før den muntlige eksamenen.
Som eksamensforsøk i dette emnet teller også forsøk i følgende tilsvarende emner: IN9460 – Kunstig intelligens for energiinformatikk
Karakterskala
Emnet bruker karakterskala fra A til F, der A er beste karakter og F er stryk. Les mer om karakterskalaen.
Mer om eksamen ved UiO
- Kildebruk og referanser
- Tilrettelegging på eksamen
- Trekk fra eksamen
- Syk på eksamen / utsatt eksamen
- Begrunnelse og klage
- Ta eksamen på nytt
- Fusk/forsøk på fusk
Andre veiledninger og ressurser finner du på fellessiden om eksamen ved UiO.