Profilinformation - Systemteknologi för D

Profilansvarig: Erik Frisk
Epost: frisk@isy.liu.se
Telefon: 013-285714

Innehåll

Bakgrund och mål

Profilkurser och masterskrav

Kurssammanställning

Rekommenderade kurser

Bakgrund och mål

Komplexiteten ökar ständigt i nya, såväl som i vidareutveckling av gamla, tekniska system. Där det tidigare var en dator som utförde en uppgift är det idag inte sällan många datorer som samverkar, via ett nätverk, för att utföra en uppgift. I sådana situationer blir det allt svårare för en mänsklig operatör att på ett säkert och effektivt sätt styra processen. Därmed finns det behov av utökad funktionalitet och intelligens i de inbyggda styr och informationssystemen. Antingen hjälper de inbyggda systemen operatören att göra goda val eller också tas, mer eller mindre, fullt ut egna autonoma beslut. För att uppnå detta är det nödvändigt att behandla information på flera abstraktionsnivåer, från låg-nivå signalbehandling till kvalitativa resonemang på en hög abstraktionsnivå. Ett syfte med profilen Systemteknologi är att, ur en D-ares perspektiv, ge de byggbitar och verktyg som behövs för att arbeta med systemteknik via en bred bas inom datalogi och systemteknik.

Målet med profilen är att ge kunskaper för modellbaserad utveckling av de komplexa system för slutledning och autonom informationsbehandling som finns, och kommer finnas, inom svensk systembyggande industri. Nyckelteknologier är artificiell intelligens, logik, och andra tekniker inom modellbaserad slutledning, i kombination med kunskaper inom sensorinformatik och generell systemteknik. Med kunskaper inom dessa ämnen har man förutsättningarna för att på ett systematiskt sätt kunna integrera tekniker från skilda teknikområden och att kunna arbeta med multi-disciplinära problem. Grundläggande är att ha förståelse för hur man modellerar dynamiska, fysiska, system för styrning, hur signalbehandlingsalgoritmer fungerar, samt hur dessa kan användas för autonomt beslutstagande. Att konstruera och analysera prestanda och funktion för inbyggda system, speciellt i distribuerade miljöer, kräver specifika kunskaper. Att förstå effekten av en tidsfördröjning i nätverkskommunikationen på prestandan hos styrning och signalbehandlingsalgoritmer är exempel på unika kunskaper som profilen systemteknologi innefattar. Systemteknologiprofilen ger en bred bas för framtida karriär och resultatet är en kompetens inom datateknik med betoning på samverkan mellan datalogi, programvara och ingenjörskunskaper inom systemteknik.

Profilkurser och masterskrav

Profilen är uppbyggd runt två block, ett datalogiskt block och ett systemtekniskt med respektive krav som alla måste vara uppfyllda. För att kunna ta ut en mastersexamen inom datateknik eller elektroteknik krävs 5 kurser a 6hp (30 hp) på avancerad nivå inom respektive område. I kurserna nedan har avancerade kurser indikerats med ett A. Nedan är en fullständig beskrivning av profilkraven för respektive block.

Datalogiskt block

Obligatoriska kurser i det datalogiska blocket är

• Databasteknik (TDDD37)
• Artificiell intelligens (TDDC17)
• Systemkonstruktion och metodik (TDTS07, A)

Utöver dessa ska minst en kurs väljas i var och en av de tre grupperna:

Grupp 1	Grupp 2	Grupp 3
Distribuerade system (TDDD25, A) Realtidssystem (TDDD07, A)	Kompilatorkonstruktion (TDDB44, A) Kompilatorer och interpretatorer (TDDD55)	Avancerad programvarudesign (TDxyz), A) Programvaruarkitekturer (TDxyz), A)>

Systemtekniskt block

För att uppfylla kraven på det systemtekniska blocket krävs att minst två av nedanstående kurser slutförs.

• Industriell reglerteknik (TSRT07, A)
• Modellbygge och simulering (TSRT62, A)
• Datakompression (TSBK08, A)
• Diagnos och övervakning (TSFS06, A)

Kurssammanställning

Tabellen nedan visar när och i vilka block profilkurserna går. Färgkodningen nedan indikerar ämnesklassning av profilkurserna enligt: datateknik och/eller datavetenskap och kurser i elektroteknik.

		Block 1	Block 2	Block 3	Block 4
Åk 4	HT1			Artificiell intelligens (TDDC17)
	HT2	Kompilatorer och interpretatorer (TDDD55)			Realtidssystem (TDDD07)
		Kompilatorkonstruktion (TDDB44)
	VT1	Systemkonstruktion och metodik (TDTS07)	Distribuerade system (TDDD25)
			Industriell reglerteknik (TSRT07)
			Datakompression (TSBK08)
	VT2	Programvaruarkitekturer (TDxyz)
		Diagnos och övervakning (TSFS06)
Åk 5	HT1			Modellbygge och simulering (TSRT62)	Avancerad programvarudesign (TDxyz)
	HT2	Databasteknik (TDDD37)
	VT1	EXAMENSARBETE
	VT2

Rekommenderade kurser

Nedan är en samling kurser, både inom datalogi och systemteknik, som rekommenderas.

Datalogi

Datamodeller och databaser, avancerad kurs (TDDD43)

Avancerad projektkurs: AI och maskininlärning (TDDE19)

Konstruktion och analys av algoritmer (TDDD20)

Systemteknik

Neuronnät och lärande system (TBMI26)

Digital bildbehandling, grundkurs (TSBB08)

Fordonsdynamik (TSFS02)

Reglerteknisk projektkurs, CDIO (TSRT10)

Nätverk: modeller, algoritmer och tillämpningar (TSKS11)

Maskininlärning (TDDE01) eller Neuronnät och lärande system (TBMI26)

Informationsansvarig: Erik Frisk
Senast uppdaterad: 2018-03-20