høst 2022
DTE-2804 Smart teknologi for assistanse, helse og velferd - 10 stp

Sist endret: 30.09.2022

Søknadsfrist

1. juni 

Emnetype

Emnet kan tas som enkeltemne.

Opptakskrav

Generell studiekompetanse og Matematikk R1+R2 og Fysikk 1. 

Søkere som kan dokumentere ett av følgende kvalifiserer også for opptak:

  • generell studiekompetanse og bestått realfagkurs, eller
  • bestått 1-årig forkurs for ingeniørutdanning, eller
  • 2-årig teknisk fagskole etter rammeplan fastsatt av departementet 1998/99 og tidligere studieordninger

*For å få opptak til enkeltemner på grunnlag av Y-veien, må søkeren oppfylle opptakskriteriene for Y-vei til studieprogrammet som emnet inngår i. I tillegg må søkeren oppfylle eventuelle forkunnskapskrav som er spesifisert for det konkrete emnet de søker opptak til. Det gis begrenset studierett til det spesifikke emnet - på samme måte som realkompetansesøkere.

Søknadskode: 9391


Studiepoengreduksjon

Du vil få en reduksjon i antall studiepoeng (som oppgitt under), dersom du avlegger eksamen i dette emnet og har bestått følgende emne(r) fra før av:

ITE1894 Smart teknologi for assistanse, helse og velferd 10 stp

Innhold

Kurset gir en introduksjon til bruk av "smart teknologi" og IoT til forbedring av helsetjenester og velferd.

Vekt er på bruk av sensorer, f.eks. i personlige "wearables" eller annet utstyr (f.eks. roboter), som tilbyr assistanse, og støttesystemer for pasientbehandling.

I løpet av semestret gjennomgås hele veien fra fysisk innsamling av sensordata, til prosessering av disse med ulike teknikker fra signalprosessering og maskinlæring. Vi ser også på hvordan man kan anvende Convolutional Neural Networks for bildegjenkjenning, fjerning av støy ved hjelp av Fourier-transformasjon og forskjellige typer kompresjon.

Overordnet arkitektur av slike systemer er vesentlig i emnet, herunder bruk av Robot Operating System.


Anbefalte forkunnskaper

DTE-2505 Operativsystemer, DTE-2603 Programmering for mobil, DTE-2604 Systemutvikling

Hva lærer du

Kunnskaper og forståelse:

  • Kjennskap til ulike analoge og digitale sensorer.
  • Hvordan data hentes fra ulike sensorer.
  • Hvordan data fra ulike sensorer kan kombineres.
  • Presentasjon og tolking av sensordata.
  • Programvarearkitektur for sensorsystemer.
  • Kjenne til hensikt og behov for virksomhet/livskritiske sanntids sensorsystemer.
  • Forståelse for problemstillinger som oppstår i forhold til den store mengden sensordata som skal prosesseres, og mulighetene for informasjonstap og feil.
  • Strategier for behandling av til dels usikker informasjon.
  • Forhold for, og vurderinger rundt, lokal versus sentral lagring prosessering og overføring av dataene.
  • Muligheter med personlige helsesensorer.
  • Utfordringer rundt personvern i relasjon til helsesensorer og overvåkning.
  • Energibruk og energiforsyning til helserelaterte sensorbaserte systemer.
  • Simulering av roboter

Ferdigheter:

  • Konstruksjon av enkle sensorkretser, og tilkobling til egnede "embedded" systemer (som BeagleBoneBlack, Rasperry Pi, eller lignende). Det er ingen forkunnskapskrav innen småelektronikk (systemene er svært enkle). Det er dog mulig å "slå seg litt løs"  for de som ønsker det.
  • Programmering av systemer som henter inn sensorinformasjon.
  • Håndtering av sensordata med for eksempel bruk av ROS (Robot Operating System).
  • Prosessering av data med signalprosesserings- og maskinlæringsalgoritmer som for eksempel disktret filtrering, Convolutional Neural Networks (Deep-Learning) og selv-utviklende programmer (genetiske algoritmer).

Kompetanse:

  • Kjenne samspillet mellom teknologi, samfunnskonsekvenser og utviklingsmetodikk rundt sensorbaserte systemer for assistanse, helse og velferd.
  • Refleksjon rundt egen faglig utøvelse og læringsprosess og kunne justere disse etter veiledning.
  • Dokumentering av faglig utøvelse.

Undervisnings- og eksamensspråk

Norsk

Undervisning

Hovedvekt på praktiske øvinger på lab/nett, knyttet til spesifikke delmål.

Øvinger vurderes løpende (vurdering for læring).

Forelesninger, primært gjennom forberedende videogjennomgang, men tidvis tradisjonelle forelesninger som streames i nettmøte (opptak av stream gjøres tilgjengelig på nett).

Undervisningsspråk er normalt norsk, men kan være engelsk dersom det deltar studenter som har behov for det.


Timeplan

Eksamen

Vurderingsform: Dato: Karakterskala:
Mappevurdering Innlevering: 01.12.2022 kl. 14:00 A–E, stryk F

Mer info om mappevurdering

Mappevurdering: En samlet vurdering av obligatoriske øvinger og e-tester:

  • 4 øvinger, publisert på LMS. Øvinger kan leveres på norsk eller engelsk.
  • 2 e-tester via LMS.

3 av 4 øvinger må være godkjente med mer enn 50% rett for å få karakter i emnet.

Dersom det mangler vurderingselementer blir det ikke gjort en samlet vurdering, og det gis ikke karakter i emnet.


Kontinuasjonseksamen

Det er adgang til kontinuasjonseksamen dersom kandidaten ikke har bestått siste avholdte ordinære eksamen, men kun når 2 av 4 øvinger er godkjent tidligere med minst 50% uttelling på hver øving.

Kontinuasjonseksamen består i å fullføre mappen innen ny frist. Dette innebærer at det gis mulighet til å levere de øvingene og ta de testene som ikke ble bestått tidligere på nytt.


  • Om emnet
  • Studiested: Bodø | Narvik | Nettbasert |
  • Studiepoeng: 10
  • Emnekode: DTE-2804
  • Tidligere år og semester for dette emnet