TVM4174

Hydroinformatikk og Big data

Høst

Trondheim

Engelsk

Oversikt

Snitt

B

4,38

0,20

Ståprosent

100 %

likt

Karakterfordeling
Snitt over tid
Ståprosent over tid

Om emnet

Faglig innhold

Kurset gir en oversikt over de viktigste bruksområdene for hydroinformatikk og bruk av Big Data for alle aspekter av det urbane vannsystemet. Kurset fokuserer på systemanalyse, simulering og optimaliseringsteknikker, med vekt på bærekraftig bruk og gjennbruk av vann. Kurset gir en oversikt over dagens kunnskapsstatus når det gjelder bruk av big data og urbane vannsystemer, med fokus på utfordringer og muligheter. Kurset ønsker å gi en god forståelse av sentrale datadrevne teknikker for kunstig intelligens, som nevrale nettverk, surrogatmodeller og datautvinning, som utgjør «hjernen» i vannapplikasjoner.

Kurset gir også grunnlag for å forstå og håndtere utfordringene knyttet til bruk av datakilder, beslutningstaking og kvantifisering av usikkerhet ved hjelp av probabilistiske optimaliseringsteknikker som evolusjonær optimalisering, genetiske algoritmer og hybride tilnærminger. Sist, men ikke minst, gir kurset en oversikt over feltet fra den andre siden: nye datakilder for urbane vannsystemer, inkludert nye sensorer og IoT-applikasjoner for de viktigste elementene i systemet.

Læringsmål

Kunnskap og kompetanse

Emnet skal gi studentene dybdeforståelse av tilstand, utfordringer og muligheter ved smarte urbane vannsystemer. De skal forstå prinsippene til datadrevne metoder og optimalisering, som er grunnlaget for intelligensen bak smarte urbane vannsystemer og gir innsikt i de muligheter og utfordringer som nye målesystemer og fjernkontroll gir.

Ferdigheter

Studentene skal være i stand til å bruke datadrevne tilnærminger og verktøy for probabilistisk optimalisering for å løse relevante problemer i vannsektoren.

Studenten skal tilegne seg kompetanse innen datahåndtering og dataanalyse

Generell kompetanse

Studentene vil utvikle en systembasert forståelse av teknologier for smarte urbane systemer og hvordan de sammen med metoder for kunstig intelligens kan brukes i praksis. De skal videre være i stand til kritisk analyse av muligheter og begrensinger for slike teknologier

Læringsformer og aktiviteter

Faget er organisert i regelmessige forelesninger og øvingstimer der du får hjelp og veiledning med de to tellende prosjektene. En avsluttende muntlig eksamen vil bestå av en kort diskusjon av prosjektene og åpne spørsmål.