ARTIFICIAL INTELLIGENCE FOR INDUSTRIAL QUALITY CONTROL A1N

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  

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.

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.