Vi tilbyr kurs i Best Practice - Machine Learning for Ship Atuuonomy NTNU har fått midler for å tilby gratis etter- og videreutdanning til de som har blitt permitterte eller arbeidsledige som følge av korona-pandemien. For kandidater som ikke oppfyller kravene, påløper ordinær kursavgift.
Innhold:
Kurset vil gi en generell introduksjon til ML-applikasjoner fra ulike domener, fra bilindustrien til den maritime industrien. Datadrevne metoder og analyser vil bli introdusert. Studentene skal lære ML-metoder, inkludert nevrale nettverk, forsterkende læring og dyp læring. Praktiske eksempler basert på våre tidligere prosjekter innen maskinlæring vil bli gitt.
Emneoversikt:
The course will provide a general introduction to ML applications from various domains, from automotive to the maritime industry. Data driven methods and analysis will be introduced. Students will learn ML methods, including neural networks, reinforcement learning and deep learning. Practical examples based on our past projects in machine learning will be provided.
By completing this course the student will:
• Have knowledge of how machine learning methods are developed and applied to optimize operations
• Have nowledge of data collection, data analysis, modelling and optimization.
• Obtain a good understanding of machine learning methods and their pros and cons;
• Know how to deal with data, formulate the problem, generate surrogate model and use ML methods;
• Be able to design and implement their own algorithms using machine learning toolboxs;
Omfang:
Kurset gis over 2 uker, og er organisert med forelesninger om bakgrunnstemaer og en introduksjon av case-studier. Casestudien vil da løses individuelt eller i grupper og dokumenteres i en prosjektrapport. Den totale arbeidsmengden for kurset forventes å være 2 uker inkludert uavhengig forskning og litteraturundersøkelse som støtter prosjektarbeidet.
Målgruppe for kurset:
Personell ansatt i tekniske, ingeniør-, utviklings-, FoU- og lignende avdelinger
Eksamen / sertifisering:
Karaktersettingen vil være basert på prosjektrapporten, og vil vurdere kandidatens(e) evne til å tolke, gjøre kjent, reflektere og anvende emnets emner. Obligatoriske øvinger må være godkjent før opptak til eksamen.