COURSE DESCRIPTION
Kursen syftar till att ge en introduktion och överblick av artificiell intelligens. Fokus ligger på att förstå begreppet och några viktiga tekniker som hur sökning och maskininlärning fungerar samt konsekvenser av AI på samhället. Du kan börja läsa kursen i stort sett när du vill då kursen är en online-kurs med flexibel antagning. Du gör ansökan till den termin du tänker börja läsa kursen. Vill du börja direkt så ansöker du till innevarande termin, eller så väljer du den termin du tänker börja. Termin väljer du här ovan, så kommer du till rätt ansökningstillfälle.
Kursen är en distanskurs som görs i egen takt och hanteras i sin helhet i en web-baserad kursmiljö. Kursen baseras på självstudier av kursmaterialet och examineras med självrättande tester och inlämningar. Du som har gjort Elements of AI kan anmäla dig till den här kursen för att få dina resultat validerade. Det gäller både den svenska och den engelska versionen av kursen. Du måste inte göra om kursen, däremot måste du ladda upp certifikatet från Elements of AI och göra ett valideringstest med frågor motsvarande de som finns i Elements of AI för att säkerställa att det verkligen är du som gått igenom kursen. För mer information se denna länk.
Kursen handleds över internet.
Observera att du vid ansökan till kursen måste kunna styrka att du har grundläggande behörighet. Om dina gymnasiemeriter inte redan finns på dina sidor på antagning.se så behöver du ladda upp gymnasieexamen, eller motsvarande, på antagning.se i samband med din ansökan.
Denna kurs kan du också läsa via vår samarbetspartner Nitus lokala lärcentra, som finns på ett flertal platser i Sverige. Läs mer via denna länk.
This course teaches you how to build convolutional neural networks (CNN). You will learn how to design intelligent systems using deep learning for classification, annotation, and object recognition. It includes three modules: Image processing: Introduction of industrial imaging through big data and fundamentals of image processing techniques Deep learning with convolutional neural network: Overview of neural network as classifiers, introduction of convolutional neural network and Deep learning architecture. Deep learning tools: Implementation of Deep learning for Image classification and object recognition, e.g. using Keras.
The rapid development of digital technologies and advances in communications have led to gigantic amounts of data with complex structures called ‘Big data’ being produced every day at exponential growth. The aim of this course is to give the student insights in fundamental concepts of machine learning with big data as well as recent research trends in the domain. The student will learn about problems and industrial challenges through domain-based case studies. Furthermore, the student will learn to use tools to develop systems using machine-learning algorithms in big data.
The course aims to give insights in fundamental concepts of machine learning for predictive analytics to provide actionable, i.e., better and more informed decisions in, forecasting. It covers the key concepts to extract useful information and knowledge from data sets to construct predictive modeling. The course includes three modules: Introduction: overview of Predictive data analytics and Machine learning for predictive analytics. Data exploration and visualization: presents case studies from industrial application domains and discusses key technical issues related to how we can gain insights enabling to see trends and patterns in industrial data. Predictive modeling: consists of issues in construction of predictive modeling, i.e., model data and determine Machine learning algorithms for predicative analytics and techniques for model evaluation.
This course has an English version. Look for course with title "Why choose wood for the next high rise building?" KursbeskrivningOlika typer av biomaterial (t.ex. trä) är mycket viktiga i utmaningen att avkarbonisera byggmiljön och minska koldioxidavtrycket för byggnader och infrastruktur genom att ersätta material som stål och cement som har höga koldioxidutsläpp. Samtidigt får vi inte glömma bort att biologisk mångfald, natur och sociala värden i våra skogar är viktigt att behålla samtidigt som skogsbruk bedrivs. I kursens 13 moduler tas skogsbrukets kretslopp upp inklusive avverkningsmetoder, biologisk mångfald, skogsskötsel, logistik, skogens roll i klimatomställningen, kolinlagring, miljöfördelar med att bygga flervåningshus i trä mm. Syftet är att ni som deltar i kursen ska få en gemensam förståelse av det svenska skogsbruket för att ni sen ska kunna fatta välgrundade beslut om materialval vid nästa byggprojekt. KursperiodKursen kommer att vara aktiv under 3 år. InnehållSkogshistoria: Skogens nyttjande i Sverige genom historienSkogsbruksmetoder och skogsskötselSkogsföryngringVirkets egenskaperMätning av skog och virkeSkogsträdsförädling: nutid och framtidSkogens kolbalans och klimatetAffärsmodeller och marknadsutveckling: Fokus flervåningshus med trästommarNaturvård och biologisk mångfald i skogen Kursens uppläggKursen är helt digital med förinspelade föreläsningar. Du kan delta i kursen i din egen takt. Modulerna avslutas med quiz där du kan testa hur mycket du har lärt dig. Du kommer få kunskap omEfter avslutad kurs kommer du att ha lärt dig mer om olika skogliga begrepp, förvärvat kunskap om skogens nyttjande i Sverige genom historien, ökat dina kunskaper om skogsskötsel och hur olika skogsskötselmetoder påverkar den biologiska mångfalden i skogen, lärt dig om skogsbrukets kretslopp – från föryngring till slutavverkning mm. Vem vänder sig kursen till?Den här kursen är tänkt för dig som är yrkesverksam arkiktekt, anställd på kommun som arbetar med stadsplanering och byggande, verksam i bygg- och anläggningsbranschen samt verksam i andra relaterade yrken. Detta är en introduktionskurs och kommer att bidra till en kompetenshöjning i hela byggsektorns ekosystem vilket ökar branschens internationella konkurrenskraft, samtidigt som det ger viktiga förutsättningar för utvecklingen av framtidens hållbara, vackra och inkluderande städer. Eftersom kursen är öppen för alla hoppas vi att fler grupper, exempelvis studenter, doktorander, skogsägare och andra med skogsintresse tar kursen, tar del av inspirerande föreläsningar där vetenskaplig kunskap som producerats huvudsakligen inom SLU presenteras.För mer information kontakta kurskoordinator dimitris.athanassiadis@slu.se
Målet med kursen är att ge lärare fortbildning inom ämnet djurvälfärd och hållbarhet. Kursens mål är också att ge lärare inspiration att designa sin egen undervisning, att ge lärare möjlighet att ta till sig ny forskning och att dela med sig av läraktiviteter som kan användas av fler.
Batteries and battery technology are vital for achieving sustainable transportation and climate-neutral goals. As concerns over retired batteries are growing and companies in the battery or electric vehicle ecosystem need appropriate business strategies and framework to work with.This course aims to help participants with a deep understanding of battery circularity within the context of circular business models. You will gain the knowledge and skills necessary to design and implement circular business models and strategies in the battery and electric vehicle industry, considering both individual company specific and ecosystem-wide perspectives. You will also gain the ability to navigate the complexities of transitioning towards circularity and green transition in the industry.The course includes a project work to develop a digitally enabled circular business model based on real-world problems. Course content Battery second life and circularity Barriers and enablers of battery circularity Circular business models Ecosystem management Pathways for circular transformation Design principles for battery circularity Role of advanced digital technologies Learning outcomes After completing the course, you will be able to: Describe the concept of battery circularity and its importance in achieving sustainability goals. Examine and explain the characteristics and differences of different types of circular business models and required collaboration forms in the battery- and electric vehicle- industry. Analyze key factors that are influencing design and implement circular business models based on specific individual company and its ecosystem contexts. Analyze key stakeholders and develop ecosystem management strategies for designing and implementing circular business models. Explain the role of digitalization, design, and policies to design and implement circular business models. Plan and design a digitally enabled circular business model that is suitable for a given battery circularity problem. Examples of professional roles that will benefit from this course are sustainability managers, battery technology engineers, business development managers, circular developers, product developers, environmental engineers, material engineers, supply chain engineers or managers, battery specialists, circular economy specialists, etc. This course is given by Mälardalen university in cooperation with Luleå University of Technology. Study effort: 80 hours