KI-basert optimering

Masteremne

Emnebeskrivelse

Mål og innhold

Emnet gjev ei omfattande innføring i moderne optimaliseringsmetodar som vert nytta innan ingeniørvitskap, maskinlæring og avgjerdsstøttesystem. Emnet dekkjer grunnleggjande omgrep innan optimalisering og introduserer derivatfrie optimaliseringsteknikkar og svartboksoptimalisering, fleirmålsmodellering, bayesisk optimalisering, strategiar for hyperparametersøk og surrogatassistert optimalisering for kostbare problem. Emnet presenterer òg avanserte og framveksande tema innan optimalisering, saman med verkelege kasusstudiar frå ingeniørfag, energisystem og intelligent avgjerdstaking.

Læringsutbytte

Etter fullført emne skal studenten ha følgjande læringsutbyte når det gjeld kunnskap, ferdigheiter og generell kompetanse.

Kunnskap

Studenten skal kunne:

  • forklare dei grunnleggjande prinsippa bak derivatfrie, svartboksbaserte og moderne optimaliseringsmetodar som vert nytta innan ingeniørvitskap
  • gjere greie for teori og praksis innan fleirmålsoptimalisering og Pareto-basert resonnering
  • forstå bayesisk optimalisering og surrogatmodelleringsteknikkar for kostbar eller simuleringsbasert optimalisering

Ferdigheiter

Studenten skal kunne:

  • nytte eit breitt spekter av optimaliseringsmetodar for å løyse problem med eitt eller fleire mål
  • nytte derivatfrie optimaliseringsmetodar på svartboksoptimaliseringsproblem
  • implementere fleirmålsalgoritmar og surrogatassistert optimalisering
  • utforme og evaluere strategiar for hyperparameteroptimalisering, inkludert bayesisk optimalisering

Generell kompetanse

Studenten skal:

  • kunne analysere eit optimaliseringsproblem og velje eigna metodar for å løyse det
  • forstå avvegingar i fleirmålsoptimalisering og i datadrivne avgjerdskontekstar
  • vurdere korleis problemkompleksitet, dimensjonalitet og kostnad påverkar valet av optimaliseringsstrategi
  • nytte optimaliseringstenking på verkelege system som ingeniørdesign, forsyningskjeder, energisystem og intelligente avgjerdsstøttesystem

Studiepoeng, omfang

10 studiepoeng

Studienivå (studiesyklus)

Master

Undervisningssemester

Høst

Krav til forkunnskaper

Ingen

Studiepoengsreduksjon

Ingen

Krav til studierett

For oppstart på emnet er det krav om at du har ein studierett knytt til eit masterprogram ved Fakultet for natrvitskap og teknologi eller ph.d.-utdanninga.

Arbeids- og undervisningsformer

Undervisning I form av forelesninger og gruppetimer

Forelesninger / 4 timer per uke

Gruppetimer / 2 timer per uke

Obligatorisk undervisningsaktivitet

Obligatoriske oppgaver og prosjekt.

Obligatorisk undervisningsaktivitet er gyldig to semester: inneværende

semester og påfølgende semester.

Vurderingsformer

Munnleg eksamen

Karakterskala

Ved sensur vert karakterskalaen A-F nytta.

Vurderingssemester

Det er ordinær eksamen kvart semester. I semesteret utan undervisning er eksamen tidleg i semesteret.

Litteraturliste

Litteraturlista vil vere klar innan 01.07. for haustsemesteret og 01.12. for vårsemesteret

Emneevaluering

Studentane skal evaluere undervisninga i tråd med UiB og instituttet sitt kvalitetssikringssystem. Evalueringar av emnet finn du i Studiekvalitetsbasen.

Hjelpemiddel til eksamen

Ingen

Programansvarlig

Programstyret har ansvar for fagleg innhald og oppbygging av studiet og for kvaliteten på studieprogrammet og alle emna der.

Emneansvarlig

Emneansvarleg og administrativ kontaktperson finn du på Mitt UiB, kontakt eventuelt studierettleiar.

x

Administrativt ansvarlig

Fakultet for naturvitskap og teknologi ved Institutt for informatikk har det administrative ansvaret for emnet og studieprogrammet.