English | Log ind

02214 Hardware/Software Codesign

2025/2026

Kursusinformation
Hardware/Software Codesign
Engelsk
5
Kandidat
Kurset udbydes som enkeltfag
F1B (tors 13-17)
Campus Lyngby
Forelæsninger, øvelser og projekt.
13-uger
F1B
Skriftlig eksamen og bedømmelse af rapport(er)
Karakteren gives på baggrund af en helhedsvurdering af individualiserede grupperapporter og en skriftlig eksamen.
Skriftlig eksamen: 2 timer
Skriftlige hjælpemidler er tilladt
7-trins skala , intern bedømmelse
Dette kursus forudsætter at studerende har en god baggrund i programmering i Python og C. Erfaring med microcontrollers og maskinlæring samt kendskab til digital design og computerarkitektur er fordelagtigt.
Matthias Bo Stuart , Lyngby Campus, Bygning 322, Tlf. (+45) 4525 3866 , mbst@dtu.dk
Gustaf Jerker Hammarberg , gjeha@dtu.dk
01 Institut for Matematik og Computer Science
https://courses.compute.dtu.dk/02214/
I studieplanlæggeren
Kontakt underviseren for information om hvorvidt dette kursus giver den studerende mulighed for at lave eller forberede et projekt som kan deltage i DTUs studenterkonference om bæredygtighed, klimateknologi og miljø (GRØN DYST). Se mere på http://www.groendyst.dtu.dk
Overordnede kursusmål
Studerende vil lære de fundamentale emner og begreber indenfor hardware/software codesign og det teoretiske fundament samt praktisk erfaring med maskinlæring for indlejrede systemer. Der gives et overblik over emner indenfor codesign. Specifikke emner inden for codesign og maskinlæring for indlejrede systemer udforskes gennem øvelser. Kursusprojektet lader studerende bygge på det teoretiske fundament og gennemføre alle trin fra at træne til at implementere en maskinlæringsmodel på et indlejret system.
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
  • Beskrive principperne og elementer i HW/SW codesign
  • Beskrive arbejdsgangen fra specifikation til implementering af maskinlæring for indlejrede systemer
  • Beskrive fundmentale koncepter indenfor neurale netværksarkitekturer og træning af neurale netværk til indlejrede systemer
  • Sammenligne forskellige software- and hardwareløsninger til implementering af maskinlæringsmodeller i indlejrede systemer
  • Designe et indlejret system til maskinlæringsapplikationer
  • Træne og evaluere maskinlæringsmodeller til microcontrollerbaserede indlejrede systemer
  • Implementere maskinlæringsmodeller på microcontrollerbaserede indlejrede systemer
  • Analysere fordele og ulemper ved forskellige designs ved brug af multiparametrisk optimering
  • Optimere maskinlæringsapplikationer til indlejrede systemer
Kursusindhold
Kurset giver en overordnet introduktion til emner indenfor hardware/software codesign og elementerne i en codesign proces. Det teoretiske fundament og praktisk implementering af maskinlæringsmodeller på enheder med begrænsede ressourcer (ofte benævnt "indlejret AI", engelsk "embedded AI") udforskes gennem forelæsninger, øvelser og projektarbejde. Gennem en serie forelæsninger og praktiske øvelser forventes de studerende at lære at træne, evaluere og implementere en maskinlæringsmodel på et microcontrollerbaseret system, når kurset er gennemført. Metoder til at udforske afvejninger mellem rene softwareløsninger og løsninger der gør brug af hardwareacceleratorer udforskes, herunder multiparametrisk optimering for at tage højde for forskellige mål, herunder nøjagtighed, latenstid, hukommelsesforbrug og energiforbrug.
Sidst opdateret
05. december, 2025