Tekniker för att uppnå pålitlighet, säkerhetsanalys, härledning av pålitlighetskrav från säkerhetsanalyser, modellering och verifiering av säkerhetskrav, säkerhetsförsäkringsfall, fleragentsystem, framväxande beteende, målorienterad modellering och verifiering av säkra och tillförlitliga autonoma fleragentsystem, evolutionära algoritmer och inlärningsalgoritmer för uppdragsplanering och navigering, säkerhet för uppdragsplanering.
DD2528 Pålitliga autonoma system 7,5 hp
Autonoma system använder artificiell intelligens och maskininlärning för att uppnå autonomi. Det är därför en utmaning att säkerställa ett autonomt systems pålitlighet och garantera att de risker som är förknippade med systemet ar acceptabla. Kursen introducerar modellerings-, verifierings- och analystekniker för att uppnå pålitlighet för autonoma system.
Information per kursomgång
Information för HT 2024 Doktorand fristående studerande
- Studielokalisering
KTH Campus
- Varaktighet
- 2024-10-28 - 2025-01-13
- Perioder
- P2 (7,5 hp)
- Studietakt
50%
- Anmälningskod
50410
- Undervisningsform
Normal Dagtid
- Undervisningsspråk
Engelska
- Kurs-PM
- Kurs-PM är inte publicerat
- Antal platser
Max: 1
- Målgrupp
Endast för doktorander på KTH
- Planerade schemamoduler
- [object Object]
- Schema
- Schema är inte publicerat
- Del av program
- Ingen information tillagd
Kursomgång inställd
Kontakt
Kursplan som PDF
Notera: all information från kursplanen visas i tillgängligt format på denna sida.
Kursplan DD2528 (HT 2021–)Rubriker med innehåll från kursplan DD2528 (HT 2021–) är markerade med en asterisk ( )
Innehåll och lärandemål
Kursinnehåll
Lärandemål
Efter godkänd kurs ska studenten kunna
- beskriva pålitlighetsattribut formellt
- specificera dynamiskt beteende hos autonoma system och deras egenskaper
- använda riskbedömning och säkerhetsanalystekniker för att definiera pålitlighetskrav
- modellera och verifiera autonoma system med hjälp av automatiska verktyg
i syfte att
- kunna arbeta med autonoma säkerhetskritiska system i forskning och/eller utveckling
- kunna identifiera riskerna i samband med autonoma system och använda modellering, verifiering och säkerhetstekniker för att förhindra dem.
Kurslitteratur och förberedelser
Särskild behörighet
- Kunskaper och färdigheter i programmering, minst 6 hp, motsvarande slutförd kurs DD1331/DD1310/DD1311/DD1312/DD1314/DD1315/DD1316/DD1318/DD1321/DD100N/ID1018.
- Kunskaper i algoritmer och datastrukturer, minst 6 hp, motsvarande slutförd kurs DD1320/DD1321/DD1325/DD1327/DD1338/DD2325/ID1020/ID1021.
- Kunskaper i matematik, motsvarande minst 22,5 hp.
Utrustning
Ingen information tillagd
Kurslitteratur
Ingen information tillagd
Examination och slutförande
När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.
Betygsskala
A, B, C, D, E, FX, F
Examination
- LAB2 - Laborationer, 6,5 hp, betygsskala: A, B, C, D, E, FX, F
- QUI1 - Digitalt quiz, 1,0 hp, betygsskala: P, F
Examinator beslutar, baserat på rekommendation från KTH:s handläggare av stöd till studenter med funktionsnedsättning, om eventuell anpassad examination för studenter med dokumenterad, varaktig funktionsnedsättning.
Examinator får medge annan examinationsform vid omexamination av enstaka studenter.
Möjlighet till komplettering
Ingen information tillagd
Möjlighet till plussning
Ingen information tillagd
Examinator
Etiskt förhållningssätt
- Vid grupparbete har alla i gruppen ansvar för gruppens arbete.
- Vid examination ska varje student ärligt redovisa hjälp som erhållits och källor som använts.
- Vid muntlig examination ska varje student kunna redogöra för hela uppgiften och hela lösningen.
Ytterligare information
Kursrum i Canvas
Registrerade studenter hittar information för genomförande av kursen i kursrummet i Canvas. En länk till kursrummet finns under fliken Studier i Personliga menyn vid kursstart.
Ges av
Huvudområde
Datalogi och datateknik
Utbildningsnivå
Avancerad nivå
Påbyggnad
Ingen information tillagd
Övrig information
I denna kurs tillämpas EECS hederskodex, se:
http://www.kth.se/eecs/utbildning/hederskodex