Anbefalede faglige forudsætninger for at deltage i modulet

Modulets indhold, forløb og pædagogik

Dette kursus introducerer studerende til grundlæggende koncepter inden for datascience med vægt på dens anvendelser inden for mekanik og produktion. Ved at kombinere principper fra statistik, datalogi og domænespecifik indsigt, sigter pensum mod at udstyre ingeniører med færdighederne til at udnytte data til at optimere f.eks. mekaniske designprocesser eller produktionseffektivitet. Pensum indeholder metoder, værktøjer, platforme og scenarier fra den virkelige verden.

Læringsmål

Viden

• Skal have kendskab til processen med at indsamle, rense og opbevare data.
• Skal have kendskab til principper for datavisualisering og dashboarddesign for indsigt, der kan omsættes til handling.
• Skal have kendskab til grundlæggende maskinlæringsalgoritmer og deres anvendelighed i mekaniske og/eller produktionsmæssige scenarier.
• Skal have kendskab til strukturering af et grundlæggende maskinlæringsprojekt, fra at formulere problemet til at lancere og overvåge et system.

Færdigheder

• Skal kunne anvende datascience-teknikker for at opnå indsigt i data.
• Skal kunne designe og integrere dashboards skræddersyet til overvågning og beslutningstagning i en ingeniørkontekst.
• Skal kunne identificere relevant data.
• Skal kunne implementere grundlæggende maskinlæringsalgoritmer for at adressere specifikke udfordringer i mekaniske og/eller produktionsmæssige scenarier.

Kompetencer

• Skal have kompetencer i at designe og implementere løsninger for dataindsamling og datalagring.
• Skal have kompetencer i at sikre ansvarlig databehandling.
• Skal have kompetencer i at omsætte indsigt i data til handling.
• Skal have kompetencer til at vælge en egnet algoritme til et givet problem i mekaniske og/eller produktionsmæssige scenarier.

Undervisningsform

Undervisningen tilrettelægges i henhold til de generelle undervisningsformer for uddannelsen, jf. bachelorstudieordningens §17 og diplomingeniørstudieordningens §18.

Omfang og forventet arbejdsindsats

Da det er et 5 ECTS kursus forventes der en arbejdsbyrde på 150 timer for den studerende.

Eksamen

Prøver