IN9460 – 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 b?rekraftige energi- og transportsystemer. Hovedfokus er p? anvendelsen av dyp l?ring og avanserte maskinl?ringsteknikker. Tema i emnet inkluderer grunnleggende begreper relatert til smarte og b?rekraftige energi- og transportsystemer, for eksempel ettersp?rselsstyring, energiforvaltning, energiinformatikk, elektrisk mobilitet og energieffektivitet, og anvendelse av dypl?ringsalgoritmer og avanserte maskinl?ringsbegreper for ? l?se typiske beslutningsproblemer for dette omr?det.
Hva l?rer du?
Etter ? ha tatt dette emnet vil du ha:
- kunnskap om smarte og b?rekraftige energi- og transportsystemer som smartnett, elbiler og internet of vehicles.
- l?rt om grunnleggende konsepter og teknikker/algoritmer relatert til dypl?ring og avansert maskinl?ring- f.eks. gjentagende (recurrent) nevrale nett, konvolusjonelle nevrale nett, dyp forsterket l?ring, f?derert l?ring, generative motstridende nettverk, osv.
- kunnskap om typiske datadrevne intelligente beslutningsproblemer for smarte og b?rekraftige energi og intelligente transportsystemer, og f?tt innsikt om de tilsvarende forskningsutfordringene.
- analysert og utviklet en forst?else av hvilke teknikker/algoritmer som kan brukes for ? l?se hva slags type problemer i fremtidige smarte og b?rekraftige energi og intelligente transportsystemer.
- ved hjelp av programvareverkt?y og reelle datasett hva l?rt hvordan du kan l?se noen av disse problemene, og ha kunnskap om ytelsen til forskjellige teknikker/algoritmer.
- m?tt inviterte forelesere fra industrien, og fra forelesningene deres f?tt forst?else for hvordan akademiske konsepter og algoritmer benyttes i virkelige systemer.
- f?tt erfaring med ? presentere en forelesning for studenter p? masterniv?.
Opptak til emnet
Ph.d.-kandidater ved UiO s?ker plass p? undervisningen og melder seg til eksamen i?Studentweb.
Hvis emnet har begrenset kapasitet, vil ph.d.-kandidater som har emnet i sin utdanningsplan ved UiO bli prioritert. Noen nasjonale forskerskoler kan ha egne regler for rangering av s?kere til emner med begrenset kapasitet.
Ph.d.-kandidater som har opptak ved andre utdanningsinstitusjoner m? innen angitt frist?s?ke om hospitantplass.
Anbefalte forkunnskaper
Studenter b?r ha grunnleggende kunnskap om ICT og nettverk, f. eks. fra IN2010 og IN3230.
Det vil ogs? v?re fordelaktig ? ha erfaring med linear algebra, f. eks fra MAT1120.
Overlappende emner
- 10 studiepoeng overlapp med IN5460 – Kunstig intelligens for energiinformatikk.
Undervisning
3 timer forelesninger, seminar og gjesteforelesninger pr uke. Det kreves gjennomf?ring av obligatoriske oppgaver for ? kunne g? opp til eksamen.
Eksamen
Muntlig eksamen. Doktorgradsstudenter m? ogs? holde en ekstra presentasjon om et (valgt) tema innenfor emnet.
Begge deler (muntlig eksamen + presentasjon) m? bli best?tt for ? best? emnet.
Obligatoriske oppgaver m? v?re godkjent f?r den muntlige eksamenen.
Som eksamensfors?k i dette emnet teller ogs? fors?k i f?lgende tilsvarende emner: IN5460 – Kunstig intelligens for energiinformatikk
Karakterskala
Emnet bruker karakterskala?best?tt/ikke best?tt. Les mer om?karakterskalaen.
Mer om eksamen ved UiO
- Kildebruk og referanser
- Tilrettelegging p? eksamen
- Trekk fra eksamen
- Syk p? eksamen / utsatt eksamen
- Begrunnelse og klage
- Ta eksamen p? nytt
- Fusk/fors?k p? fusk
Andre veiledninger og ressurser finner du p? fellessiden om eksamen ved UiO.