COURSE DESCRIPTION
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:
This course provides an understanding of automating software testing using program analysis with the goal of intelligently and algorithmically creating tests. The course covers search-based test generation, combinatorial and random testing while highlighting the challenges associated with the use of automatic test generation. You will learn: Understand algorithmic test generation techniques and their use in developer testing and continuous integration. Understand how to automatically generate test cases with assertions. Have a working knowledge and experience in static and dynamic generation of tests. Have an overview knowledge in search-based testing and the use of machine learning for test generation.
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.
In this course you will learn state-of-the-art statistical modelling for the purpose of analysing industrial data. The course also presents the basics of relational databases and data manipulation techniques needed to prepare the data for analysis.
The course is part of the programme MAISTR (hh.se/maistr) where participants can take the entire programme or individual courses. The course is for professionals and is held online in English. Application is open as long as there is a possibility of admission. The courses qualify for credits and are free of charge for participants who are citizens of any EU or EEA country, or Switzerland, or are permanent residents in Sweden. More information can be found at antagning.se. About the course Smart Healthcare with Applications, 4 credits Who is this course for?The course suits you with any Bachelor’s degree (equivalent of 180 Swedish credit points / ECTS credits at an accredited university) who have an interest in applying Artificial Intelligence (specifically Machine Learning) to healthcare. Leadership/management experience in health-related organization/industry OR a Bachelor degree in computer science is advantageous. What will you learn from this course?Healthcare as a sector together with other health-related sources of data (municipalities, home sensors, etc.), is now in a place and can take advantage of what data science, Artificial Intelligence (AI), and machine learning (ML) have to offer. Information-driven care has the potential to build smart solutions based on the collected health data in order to achieve a holistic fact-based picture of healthcare, from an individual to system perspective. This course aims to provide a general introduction to information-driven care, challenges, applications, and opportunities. Students will get introduced to artificial intelligence and machine learning in specific, as well as some use cases of information-driven care, and gain practice on how a real-world evidence project within information-driven care is investigated. What is the format for this course?Instruction type: The lectures, announcements, and assignments of this course will be fully online via a learning management system and presented in English. Each lecture is delivered through a video conference tool with a set of presentation slides displayed online during each class session. Online practical labs (pre-written Python notebooks) are also provided in the lectures.
Utforska teknikerna bakom den gröna omställningen och lär dig om förnybar energi, energiomvandling och kritiska råmaterial för att kunna värdera energiteknologier och deras miljöpåverkan. Det här är för dig som vill förstå tekniker inom den gröna omställningen. Du lär dig om förnybar energi, energiomvandling och de kritiska råmaterial som driver utvecklingen. Efter kursen kan du beskriva och värdera energiteknologier och deras miljöpåverkan. Kursen går igenom olika energiteknologier inom den gröna omställningen, med fokus på tekniker som kopplar till förnybar energi och de processer som rör energiomvandling. Kursen utgår från ett materialperspektiv och syftar till att ge dig en förståelse för tillämpningar som energiomvandling i bränsleceller och batterier, vätgasproduktion genom elektrolys, artificiell fotosyntes, omvandling av solenergi till värme eller elektrisk energi i solfångare och solceller.Kursen ger också en överblick till andra förnybara energisystem såsom vindkraft, biomassa och vattenkraft, och hur dessa kan samverka i ett systemperspektiv i ett hållbart samhälle. Kritiska råmaterial är viktiga för den gröna omställningen, men de kan vara svåra att få tag på eller farliga för människor och miljö vid utvinning eller användning. Kursen tar upp problematiken kring dessa material och belyser sätt att minska beroendet genom alternativ eller effektivare användning. Kursens upplägg Kursen kan läsas både som MOOC-kurs och poänggivande kurs. MOOC-kursen är öppen att söka för alla oavsett bakgrund eller yrkeskategori och kräver inga förkunskaper. MOOC-kursen är en fortbildningskurs och ger inga högskolepoäng. Anmälan till MOOC-kursen görs genom att skicka ett mejl med ditt namn till mooc.fysik@umu.se. För de som är intresserade finns möjlighet att läsa kursen som en poänggivande kurs (3 högskolepoäng) och då gör man en avslutande tentamen. Anmälan till den poänggivande kursen görs genom att klicka på ”Apply here” nedan. Ingen kurslitteratur krävs, men hänvisning till material på webben eller artiklar kan förekomma. Kursen består av 10 föreläsningar (7 är förinspelade och 3 ges ”live”) på vardera 2 x 45 minuter, följt av diskussioner: Introduktion till den gröna samhällsomställningen Energi och energiomvandlingar Vindkraft Solceller och solvärme Batterier Vätgas - elektrolysörer och bränsleceller Det framtida energisystemets utformning Kritiska råvaror PFAS och miljöaspekter kring den gröna omställningen Resursanvändning, återvinning och återbruk Mål med kursen Efter avklarad kurs kan du: Förstå grundläggande begrepp kring den gröna omställningen, såsom land- och havsbaserad vindkraft, solceller, solvärme, vätgas, elektrolysörer, bränsleceller, Li-jon batterier, kritiska råmaterial och PFAS. Förstå grundläggande begrepp inom energi och energiomvandling såsom energi, effekt, energidensitet och verkningsgrad. Översiktligt beskriva processer som rör bränsleceller, batterier, solfångare, solceller och elektrolysörer.Förstå effektiviteten för olika processer vad gäller omvandling från en energiform till en annan, såsom värme till mekanisk energi, solljus till kemisk energi och kemisk energi till elektrisk energi. Beskriva materialspecifika egenskaper som är viktiga för funktionen för tillämpningar inom olika förnybara energisystem. Förklara grundläggande begrepp såsom global uppvärmning, energibalans och miljömässig hållbarhetFörstå grundläggande begrepp såsom kritiska råmaterial och vilka metoder och strategier som finns för att minska samhällets behov av dessa. Målgrupp Kursen riktar sig till dig som vill få en bättre förståelse kring de tekniker som diskuteras flitigt i samband med den gröna omställningen. Kursen passar både studenter på eftergymnasial nivå och yrkesverksamma så som till exempel politiker, journalister, ingenjörer och lärare. Anmälan För anmälan till MOOC-kursen skickar du ett mejl med ditt namn till mooc.fysik@umu.se. Då kommer du att få tillgång till kursmaterialet på lärplattformen Canvas (från och med 10 mars 2025). För anmälan till den poänggivande kursen klickar du på ”Apply here” nedan.