COURSE DESCRIPTION
Kursen syftar till att ge en introduktion till praktisk AI, med fokus på grundläggande maskininlärning. Syftet är att förstå hur man kan skapa AI-system med hjälp av maskininlärning, få inblick i teknikens möjligheter och begränsningar, samt få en överblick över vanliga metoder för maskininlärning.
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. 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, Part 2: Building AI kan anmäla dig till den här kursen för att få dina resultat validerade. Detta innefattar att göra ett valideringstest med frågor motsvarande de som finns i Elements of AI, Part 2: Building 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.
Access to critical minerals and materials crucial to our wealth and well-being must be produced in a sustainable way. This means that the research must deal with metals and minerals that are innovation-critical, necessary for green/smart transition, rare, of insufficient supply or which should not be traded from conflict zones. Various component of the course makes it useful for professionals and hands-on with lectures, assignments, homeworks, fieldcourse and field reports as well as rock physics lab. Topics Sustainable exploration, mining and extraction of critical raw materials Course element: Critical and strategic raw materials Sustainability, SDGs, ESG and social aspects (the value chain) Exploration methods Geological and ore forming context Physical properties Geophysical methods Drilling technologies Extraction and mineral processing methods Rock quality and mining methods Nano-tech solutions Ground water contamination and accessibility Environmental assessments Mine tailing and beneficiation Site visits and hands-on (Epiroc, Blötberget, labs) Course structure The course is a combination of in-person, hybrid and hands-on including field trips. You will learn By the end of the course, you will be able to: analyse what exploration methods are used for what commodities, have good knowledge of the state-of-the-art solutions and incorporate your learning in todays industry practices. Who is the course for? This course is designed for those who are geologists, engineers or work with sustainability to learn how critical raw materials are explored, mined and turn to metals. It is open to both university students but also industry participants from relevant sectors. How much time do I need for the course? The course will run from 25 August - 5 December 2025 and will in sum require 100 hrs of commitments. Check the SERC center for more updates: www.smartexploration.se
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
Improve work environments using RAMP (Risk management Assessment tool for Manual handling Proactively)! In this course, you will get an overview of the entire RAMP tool and learn to identify and assess musculoskeletal disorder (MSD) risks using the RAMP tool’s first module, RAMP I. MSDs are one of the most common reasons for absence from work today. It leads to reduced productivity and quality losses at companies, as well as increased medical costs. This course is part one of a RAMP program. The other courses are Risk Management of Work-Related Injuries using RAMP II and Proficiency in using RAMP for Risk Management of Work-Related Injuries.