DATA2410 Networking and cloud computing Course description

The exam in the course is an individual home exam over a period of three days (72 hours). The exam paper must have a scope of 8-10 pages. Font and font size: Arial/Calibri 12 points. Line spacing: 1.5.

Etter å ha gjennomført dette emnet har studenten følgende læringsutbytte, definert i kunnskap, ferdigheter og generell kompetanse:

Kunnskap

Studenten

• innehar grunnleggende teknisk forståelse av de viktigste konseptene innenfor maskinlæring, data science og kunstig intelligens.
• kjenner de viktigste metodene innenfor maskinlæring, data science og kunstig intelligens.
• er kjent med plattformer som kan benyttes til å gjennomføre større data science prosjekter (for eksempel IBM Watsons cloud services)

Ferdigheter

Studenten

• behersker grunnleggende Data Science verktøy og kan ekstrahere og visualisere informasjon fra større datamengder.
• forstår arbeidsflyten i større Data Science, kunstig intelligens- eller maskinlæringsprosjekter.
• kan anvende open-source og kommersielle verktøy som benyttes til å løse industrielle prosjekter innenfor Data Science, maskinlæring eller kunstig intelligens.

Generell kompetanse

Studenten

• behersker metoder og verktøy for utforming og gjennomføring av prosjekter innenfor Data Science, maskinlæring eller kunstig intelligens.
• er kjent med de forskjellige metodene som brukes for å finne riktig verktøy for å gjennomføre Data Science-prosjekter.
• har oversikt over hvordan man visualiserer, manipulerer data og utvikler prediktive modeller for å løse industri- og andre arbeidslivsrelevante problemer

All aids are permitted, as long as the rules for source referencing are complied with.

After completing the course, the student is expected to have achieved the following learning outcomes defined in terms of knowledge, skills and general competence.

Knowledge The student:

• is familiar with the main functions of each layer in the TCP / IP model

• can explain how the most important network protocols work

• is familiar with the operational and infrastructure-related possibilities that virtualization and cloud-based solutions provide

;

Skills The student is capable of:

• configuring computer networks
• using network tools to study network traffic
• programming sockets
• using automation tools to roll out applications and their underlying infrastructure
• using cloud-based services as a development platform
• using monitoring systems to monitor the performance and stability of applications and operating environments

;

General competence:

The student is capable of:

• understanding and communicating issues relating to networks and computer systems.
• understanding and communicating the importance and necessity of using good cloud computing methods and technologies

Lectures and lab exercises. The exercises will be based on individual and group work, supervised by the lecturer or a student assistant.

Hilde Mobekk

Portfolio assessment with the following portfolio requirements:

• one group project (3-4 students, about 20 pages report)
• an individual report based on the work in the individual assignments (up to 20 pages)

The portfolio is given a comprehensive assessment with one grade. All parts of the portfolio must be considered passed in order for the student to pass the course.

Exam results can be appealed. In the event of failure, a new folder must be submitted at the next ordinary exam.

All.

I dette emnet skal studentene få en forståelse av noen av de viktigste prinsippene i Data Science og kognitive teknologier gjennom prosjektarbeid og online-ressurser. Studentene skal introduseres for grunnleggende prinsipper i maskinlæring, data science og kunstig intelligens. Hovedfokuset vil være på anvendelse av disse prinsippene for å løse industrielle oppgaver ved bruk av open-source eller andre data science plattform (som for eksempel IBM Watson). Målet med emnet er å gi studentene en introduksjon til maskinlæring, data science og kunstig intelligens ved bruk av online-ressurser samtidig som studentene skal løse et industrielt problem i form av et større prosjektarbeid.

Prosjekt kan utføres på sommeren. Valgemnet igangsettes forutsatt at det er et tilstrekkelig antall studenter som velger emnet.

Ingen ut over opptakskrav.

The course is equivalent (overlaps 10 credits) with ITPE2410. The course overlaps 3 credits with DATS / ITPE2400. When practicing the 3-time rule for registration for the exam, experiments used in equivalent subjects count.