Kursplan
| Denna kursplan är nedlagd eller ersatt av ny kursplan. |
|
|
Kursplan |
| Datateknik, avancerad nivå, Probabilistisk robotik, 7,5 högskolepoäng | |||
| Computer Science, Probabilistic Robotics, Second Cycle, 7.5 Credits | |||
| Kurskod: | DT4051 | Utbildningsområde: | Tekniska området |
|---|---|---|---|
| Huvudområde: | Datateknik | Högskolepoäng: | 7,5 |
| Ämnesgrupp (SCB): | Datateknik | ||
| Utbildningsnivå: | Avancerad nivå | Fördjupning: | A1N |
| Inrättad: | 2013-12-09 | Senast ändrad: | 2014-09-24 |
| Giltig fr.o.m.: | Vårterminen 2015 | Beslutad av: | Prefekt |
Mål för utbildning på avancerad nivå
Utbildning på avancerad nivå ska innebära fördjupning av kunskaper, färdigheter och förmågor i förhållande till utbildning på grundnivå och ska, utöver vad som gäller för utbildning på grundnivå,
- ytterligare utveckla studenternas förmåga att självständigt integrera och använda kunskaper,
- utveckla studenternas förmåga att hantera komplexa företeelser, frågeställningar och situationer, och
- utveckla studenternas förutsättningar för yrkesverksamhet som ställer stora krav på självständighet eller för forsknings- och utvecklingsarbete.
(1 kap. 9 § högskolelagen)
Kunskap och förståelse
Den studerande skall efter avslutad kurs ha goda kunskaper om moderna algoritmer som använder statistiska estimeringsmetoder för att lösa problem som är centrala inom mobil robotik, samt förstå den underliggande matematiska bakgrunden.
Färdighet och förmåga
Efter avslutad kurs skall den studerande kunna utveckla och granska programvara som använder probabilistiska tekniker för robotiktillämpningar. Den studerande skall också kunna tillgodogöra sig vetenskaplig litteratur inom kursens område.
Värderingsförmåga och förhållningssätt
Efter avslutad kurs skall den studerande ha en större förmåga att förstå och kritiskt bedöma fördelarna och begränsningarna av probabilistiska metoder inom robotik.
Kursen har följande moment:
- Matematisk statistik: Bayes sats, sannolikhetsfördelningar, generativa och diskriminativa modeller
- Kalmanfilter
- Partikelfilter
- Monte Carlo-optimering
- Sensormodeller och rörelsemodeller
- SLAM (simultan lokalisering och kartering)
- Data-association
- Probabilistiska grafer (Markov random fields, conditional random fields)
- Klassificering.
Föreläsningar och projektarbete. Det är obligatoriskt att slutföra projektarbetet och utföra kodgranskning, men närvaro vid föreläsningarna är inte obligatorisk. Vid litet antal studenter kan föreläsningarna ersättas med individuell handledning.
Den som antagits till och registrerats på en kurs har rätt att erhålla undervisning och/eller handledning under den tid som angavs för kurstillfället som den sökande blivit antagen till (se universitetets antagningsordning). Därefter upphör rätten till undervisning och/eller handledning.
För ytterligare information se universitetets regler för examination inom utbildning på grundnivå och avancerad nivå.
Enligt 6 kap. 18 § högskoleförordningen ska betyg sättas på en genomgången kurs om inte universitetet föreskriver något annat. Universitetet får föreskriva vilket betygssystem som ska användas. Betyget ska beslutas av en av universitetet särskilt utsedd lärare (examinator).
Enligt föreskrifter om betygssystem för utbildning på grundnivå och avancerad nivå (rektors beslut 2010-10-19, dnr CF 12-540/2010) ska som betyg användas något av uttrycken underkänd, godkänd eller väl godkänd. Rektor eller den rektor bestämmer får besluta om undantag från denna bestämmelse för en viss kurs om det finns särskilda skäl.
Som betyg på kursen används Underkänd (U), Godkänd (G) eller Väl Godkänd (VG).
Betyg på kursen ges av betyget från den teoretiska delen, givet att den praktiska delen är godkänd.
För ytterligare information se universitetets regler för examination inom utbildning på grundnivå och avancerad nivå.
Examen på grundnivå om 180 högskolepoäng, med datavetenskap/datateknik som huvudområde och 15 högskolepoäng i matematik (analys och algebra). Alternativt examen på grundnivå om 180 högskolepoäng, varav 30 högskolepoäng i matematik (analys och algebra) samt 15 högskolepoäng i datateknik/datavetenskap (som innehåller programmering). Dessutom krävs Engelska B/Engelska 6.
För ytterligare information se universitetets antagningsordning.
Student som tidigare genomgått utbildning eller fullgjort annan verksamhet ska enligt högskoleförordningen tillgodoräknas detta som en del av den aktuella utbildningen under förutsättning att den tidigare utbildningen eller verksamheten uppfyller vissa krav.
För ytterligare information se universitetets lokala regler för tillgodoräknanden.
Kursen ges på engelska.
Kurslitteratur och övriga läromedel
Obligatorisk litteratur
Ytterligare material kan utdelas under kursens gång.
Se denna kursplan som PDF