Finner retningen …
Finner retningen …
Laster botkontroll.
Gjennomsnittlig svar: ingen svar
Gjennomsnittlig svar: ingen svar
Gjennomsnittlig svar: ingen svar
Gjennomsnittlig svar: ingen svar
KARAKTERFORDELING · V 2023
4 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.
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.
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
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 TVM4174.
| Semester | Kandidater | Snitt | Stryk |
|---|---|---|---|
| Høst 2025 | 8 | B (4.38) | 0 % |
| Vår 2023 | 4 | A (5.00) | 0 % |
| Vår 2022 | 12 | B (4.33) | 0 % |
| Vår 2021 | 15 | B (4.33) | 0 % |
| Vår 2020 | 14 | B (3.71) | 0 % |