Finner retningen …
Finner retningen …
Laster botkontroll.
Gjennomsnittlig svar: ingen svar
Gjennomsnittlig svar: ingen svar
Gjennomsnittlig svar: ingen svar
Gjennomsnittlig svar: ingen svar
KARAKTERFORDELING · V 2025
45 kandidater
Alle delene må normalt være bestått. Karakterfordelingen over gjelder emnet samlet.
Kilde: Felles studentsystem (FS) via NTNU, slik den var publisert for høsten 2026. NTNU er ikke ansvarlig for innholdet på denne siden.
NTNU sin egen emnebeskrivelse — læringsutbytte, innhold og vurderingsform.
Maskinlæring (ML) er en gren av AI som fokuserer på å lære fra data for å designe automatiserte systemer som kan forbedre ytelsen med erfaring. De siste årene har maskinlæring blitt brukt i et bredt spekter av ingeniørapplikasjoner, inkludert: autonome biler, forutsi mekanisk feil, automatisering i ingeniørarbeid, kvalitetsvurdering, robotsyn og intelligent kontroll blant andre.
Dette kurset gir en grundig innføring i maskinlæring og praktisk erfaring med praktiske anvendelser. Emnene som undervises i dette kurset vil dekke grunnleggende prinsipper innen maskinlæring, så vel som de teoretiske grunnlagene for dets algoritmer og hvordan de kan brukes optimalt.
Kurset fokuseres på tilpasning, kombinasjon og anvendelse av eksisterende ML-verktøy som brukes å løse ingeniørproblemer med tanke på produktutviklingens livssyklus, inkludert produktutvikling, produksjon, bruk og potensiell resirkulering/gjenbruk/ombruk. På slutten skal man være i stand til i) å identifisere egnede ML-baserte tilnærminger for å løse et ingeniørproblem, ii) finne riktige komponenter, verktøy for å implementere tilnærmingen og iii) integrere og finjustere disse komponentene for å utvikle løsningen.
Etter å ha fullført dette kurset vil studenten kunne tilegne seg følgende:
Kunnskap:
Ferdigheter:
Generell kompetanse:
Mappevurdering og avsluttende eksamen er grunnlaget for karakteren i emnet. Karakteren deles inn i 40 % for mappevurdering og 60 % for avsluttende eksamen.
Porteføljen inneholder tre oppgaver som hver fokuserer på anvendelse av en maskinlæringsmodell. Den dreier seg om å velge et datasett og bruke maskinlæringsmodeller i virkelige applikasjoner.
Seminarene vil inneholde et kort seminar som introduserer det valgte datasettet for prosjektet og et lengre seminar som forklarer arbeidstempoet etter at prosjektets midtveisrapport er levert.
I disse tre presentasjonene forventes det at studentene deltar.
Prosjektet kan gjennomføres i en gruppe på 2-3 studenter og det bør inneholde en detaljert beskrivelse av deltakernes individuelle bidrag.
I tillegg vil det være obligatoriske muntlige presentasjoner av tre emneoppgaver som brukes som et pedagogisk verktøy for å formidle kunnskap samlet av studentgrupper seg imellom.
Ved kontinuasjonseksamen kan eksamensformen endres fra skriftlig til muntlig.
Lærebøker:
Ytterligere kursmateriell (lærebok og papirer) vil bli gitt i forelesningene.
Læringsaktiviteter i dette kurset inkluderer: forelesninger, forberedelse av seminarer, arbeid med miniprosjekter og bidrag til diskusjon.
Eksamensoppgavene gis kun på engelsk, og det forventes også at engelsk benyttes for å besvare eksamen.
Kilde: Felles studentsystem (FS) via NTNU, slik den var publisert for høsten 2026. NTNU er ikke ansvarlig for innholdet på denne siden.
Hva burde andre vite før de tar dette? Anonymt, ingen innlogging.
Basert på hvor kandidatene til eksamen var registrert (DBH).
Emner som tas i de samme studieprogrammene som TMM4128.
| Semester | Kandidater | Snitt | Stryk |
|---|---|---|---|
| Vår 2025 | 45 | B (3.51) | 11,1 % |
| Vår 2024 | 48 | C (3.17) | 10,4 % |
| Vår 2023 | 19 | B (4.11) | 0 % |