Informationsteknik och energilagring
Kurs, Avancerad nivå, 1DT107
Våren 2024 Våren 2024, Uppsala, 33 %, Campus, Engelska
- Studieort
- Uppsala
- Studietakt
- 33 %
- Undervisningsform
- Campus
- Undervisningstid
- Dag
- Studieperiod
- 15 januari 2024–17 mars 2024
- Undervisningsspråk
- Engelska
- Behörighet
-
120 hp inklusive 90 hp datavetenskap/teknik/matematik/kemi. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)
- Urval
-
Högskolepoäng inom teknik/naturvetenskap (max 240 hp)
- Avgifter
-
Du som inte är medborgare i ett EU-/EES-land eller Schweiz måste betala anmälnings- och studieavgift.
- Anmälningsavgift: 900 kr
- Studieavgift, första inbetalningen: 12 083 kr
- Studieavgift, totalt: 12 083 kr
- Sista anmälningsdag
- 16 oktober 2023
- Anmälningskod
- UU-61201
För dig som är antagen eller reserv
- Registreringsperiod
- 15 december 2023–22 januari 2024
- Information om registrering.
Våren 2024 Våren 2024, Uppsala, 33 %, Campus, Engelska För utbytesstudenter
- Studieort
- Uppsala
- Studietakt
- 33 %
- Undervisningsform
- Campus
- Undervisningstid
- Dag
- Studieperiod
- 15 januari 2024–17 mars 2024
- Undervisningsspråk
- Engelska
- Behörighet
-
120 hp inklusive 90 hp datavetenskap/teknik/matematik/kemi. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)
För dig som är antagen eller reserv
- Registreringsperiod
- 15 december 2023–22 januari 2024
- Information om registrering.
Om kursen
Introduktion till senaste digitaliseringskoncept av teknisk betydelse: sakernas internet (Internet of Things, IoT), trådlösa kommunikationssystem och dess samband med energilagring. Introduktion till maskininlärning och artificiell intelligens: dess terminologi, en översikt över grundläggande algoritmer och litteraturstudier om dess användning vid modellering av energilagring. Användning av etablerade verktyg och algoritmer för maskininlärning vid modellering av energilagring.
Efter godkänd kurs ska du kunna:
- diskutera energiprofilen för IoT-applikationer, trådlös system och annan ny teknik
- förklara och motivera användningsfall där verktyg för artificiell intelligens kan användas inom lagring av kemisk energi
- förklara och jämföra grundläggande metoder för maskininlärning i samband med modellering av energilager
- använd maskininlärningsteknik och programvara för att modellera energilagring.
Litteraturlista
Litteraturlista saknas.