Y-profilen Datadriven Analys och Maskinintelligens (DAMI)
Datadriven analys och maskinintelligens (eng.: “data science and machine intelligence”) är en utbildningsprofil som fokuserar på metoder, processer och algoritmer för att extrahera kunskap och analysera strukturen i olika typer av stora datamängder, och ta beslut baserat på denna analys. Dessa datamängder kan bestå av exempelvis av insamlade mätningar och observationer från tekniska och fysikaliska system, information från Internet och sociala nätverk, eller data från ekonomiska system. Metodmässigt används tekniker och teorier från tillämpad matematik, statistik, informationsteori, dataanalys, “data mining”, maskininlärning och signalbehandling.
Hela fältet, och kanske speciellt maskininlärning, har undergått en revolution under det senaste decenniet och möjliggör helt nya typer av analyser. Samtidigt finns också en tilltagande risk att maskininlärningsverktyg appliceras “blint” på problem utan utnyttjande av adekvat domänexpertis och modellering av de underliggande fysikaliska system från vilka data härstammar. Profilen datadriven analys och maskinintelligens tar avstamp i Y-programmets starka bas inom fysik och tillämpad matematik, och utbildar ingenjörer som kan kombinera fysikalisk modellering med moderna dataanalystekniker och rigorös statistisk signalbehandling.
Profilen ges för studenter på Y-programmet inom huvudområdet Datateknik.
Presentation av profilen
En presentation från profilinformationen 2024 finns här (pdf-format)
(Observera att inför 2024 har vi gjort ändringar av de obligatoriska kurserna!)
Målgrupp
Profilen riktar sig till studenter med god matematisk mognad och starka kunskaper inom programmering. Flera av de obligatoriska kursernas förutsätter goda kunskaper speciellt inom sannolikhetslära och linjär algebra, och de laborativa momenten förutsätter goda färdigheter i programmering, speciellt i Python.
Översikt över kurserna på profilen
Se studiehandboken för exakt information.
Om de obligatoriska kurserna
- TSKS15 Detektion och estimering av signaler ger en gedigen grund i statistisk signalbehandling, och lär ut teori och metoder som utgör byggblock i sofistikerade signalbehandlings- och dataanalys-system.
- TSRT92 Modellering och inlärning för dynamiska system ger kunskaper om principer för att bygga matematiska modeller för dynamiska system, och hur sådana modeller kan studeras genom simuleringar.
- TSBB06 Multidimensionell signalanalys ger en solid teoretisk grund för vidare studier och tillämpningar inom datorseende och maskininlärning med bilder.
- TDDE01 Maskininlärning ger en introduktion till maskininlärning, med speciellt fokus på regression- och klassificeringsproblem.
- TSKS33 Komplexa nätverk och stora datamängder ger en introduktion till analysmetoder för komplexa nätverk, som beskriver hur olika objekt är sammankopplade - till exempel, routrar på Internet, sidor på webben, människor i sociala nätverk, städer i transportnätverk, och substanser i biologiska nätverk.
-
TDDD95 Algoritmisk problemlösning utvecklar förmågan att lösa komplicerade problem genom att välja ut, konstruera och implementera algoritmer och datastrukturer.
-
TDDD89 Vetenskaplig metod ger träning i bland annat ingenjörskonst, vetenskaplighet, och vetenskapligt skrivande.
-
Av höstens obligatoriska kurser kan man utan problem spara en eller flera av TSKS33 och TSRT92 till åk 5. Vi rekommenderar dock att läsa de övriga obligatoriska kurserna redan i åk 4.
Projektkurs (CDIO)
Det finns två projektkurser att välja mellan: TSBB11 och TSKS23.
De obligatoriska profilkurserna i åk 4 ger de förkunskaper som behövs.
För er som vill välja TSBB11, är det önskvärt (men inte tvunget) att även läsa någon av kurserna TSBB08, TSBB09, TSBK07, TBMI26, TSBB15 eller TSBB19.
Flera av dessa är valbara profilkurser, och de andra kan väljas från det helt valfria kursutbudet på Y.
För studenter som började profilen 2023 eller tidigare
Ovanstående information gäller från och med 2024. Till och med 2023 var TAMS43 obligatorisk, men TSBB06 var det inte. Se studiehandboken för de exakta profilkraven.
Kontakt
Erik G. Larsson, Professor, ISY (profilansvarig)