Dette kursus har til formål at give deltagerne de grundlæggende kompetencer, der kræves for at formulere, designe og implementere intelligente styrings- og kontrolsystemer der kombinerer data drevet og viden baserede teknikker.
Deltagerne vil opbygge automatiserings og kontrol-løsninger til intelligente el-net (smart grids), bygningsautomation og robotteknologi problemer gennem gruppearbejde og ved at anvende systematiske udviklingsmetoder. Kurset tilbyder deltagerne en grundlæggende introduktion til machine learning, kunstig intelligens metoder og anvendelsesmuligheder. En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:

• Identificere og diskutere situationsbevidsthed, beslutningstagning, og kontrolopgaver i henhold til et intelligente systemer (IS) problem.
• Diskuter centrale machine learning begreber såsom feature extraction, kryds-validering, generalisering og over-fitting i henhold til automatisering relaterede datasæt
• Påfør machine learning metoder til data modelleringsproblemer i intelligente systemer, såsom regression, klassifikation og klyngedannelse.
• Arbejde med et stort datasæt, udføre variableudvælgelse og feature extraction, udvælge og anvende machine learning metoder til reelle automatisering problemer.
• Skelne centrale begreber for vidensrepræsentation, såsom data modeller, proceduremæssige, regelbaseret og netværk vidensrepræsentation, abstraktion principper.
• Forklare roller og funktioner af centrale elementer i ræsonnerings-metoder såsom mønstertilpasning (pattern-matching), inferens, og vidensrepræsentation og skitsere, hvordan de arbejder som en del af en intelligent systemløsning.
• Udvælge en ræsonneringsmetode og udvikle vidensrepræsentationer som led i et IS design problem og implementer en operationel prototype.
• Arbejde med IS software-miljøer, der kombinerer flere programmeringsparadigmer og systemer med distribuerede styringssoftware.
• Analysere et IS design problem, kommunikere design idéne til et teknisk publikum, formulere specifikationer og testkrav.
• Designe, teste og dokumentere et IS af begrænset kompleksitet, herunder udførelse af test til validering af systemets prototype.

Introduktion til IS problemer og opgaver. Introduktion til systemudvikling & arkitektur elementer. Introduktion til Mobotware & Flexhouse simulationsplatforme.
Håndtering af store datasæt og kommandolinjen med bash kommandoer og regulære udtryk; visualisere data og feature extraction. Fundamenter i statistisk læring; lineær regression, klassifikation. Clustering (K-means); andvendelse til intelligente systemer; eksempler på ikke-lineære metoder (fx neurale netværk). Implementering i Matlab (eventuelt i Java).
Introduktion til vidensbaserede ræsonering metoder , værktøjer (regel baser, ekspertsystemer, formelle sprog) og programmer (diagnose og planlægning); deklarativ vs.imperativ programmering; ræsonnement som søgning. Typer af vidensrepræsentation (KR) (procedurer, regler, netværk); modelbaseret vidensrepræsentation og ontologier. KR til ræsonnering & søgning: data-strukturer, logik, pragmatik for regelbaseret ræsonnering; formulering af kunstig intelligens planlægningsproblem (domæne, tilstand og mål).
Debugging i distribuerede systemer. Anvendt intelligente systemer projekt (holddannelse & udvælgelse af emnet, projektplanlægning, udvikling, poster præsentation, rapport).

Alle emner indeholder øvelser i indenfor energisystemer og robotteknologi.

e-learning anvendes i kurset i form af online-afstemning og interaktive quizzer samt et kursus-wiki. Et kompendium vil indeholde elementer af de følgende bøger:
* K.M. Hangos,R. Lakener and M. Herzson, “Intelligent control systems: an
introduction with examples,” Kluwer Academic Publishers,Dordrecht, ISBN 1402001347
* Stuart J. Russell and Peter Norvig, “Artificial Intelligence A Modern Approach” 3rd Edition, Prentice Hall Publishers.
* Giarratano, J. and Riley, G. (1994). Expert Systems - Principles and Programming. 3rd Edition. PWS Publishing Company, Boston, USA.
* Friedman-Hill, E. Jess in Action
* G. Coulouris, J. Dollimore, T. Kindberg, G. Blair: “Distributed Systems Concepts
and Design”, 5th ed; AddisonWesley,

Ydligere online resourcer:
* M. Hudson Beale, M.T. Hagan and H.B. Demuth, “Neural Network Toolbox™
User's Guide”, https:/​/​www.mathworks.com/​help/​pdf_doc/​nnet/​nnet_ug.pdf
* Mikito Takada: “Distributed systems for fun and profit” (online/freeware license),
http:/​/​book.mixu.net/​distsys/​
* Various authors: “BashGuide” (online)
http:/​/​s.ntnu.no/​bashguide.pdf Det anbefales at overveje om man opfylder forudsætningerne inden for programmering og at kontakte den kursusansvarlige, hvis man er i tvivl.
E-learning anvendes i form af on-line voting systems, on-line quiz (home assignments), interactive quiz, chat room, course wiki open for user input, discussion board/blog og electronic correction system.

In case of unclear interpretation of the Danish description, the English description is suggested for reference. Please contact the course responsible if in doubt. 21. november, 2016