Informationsteknik och energilagring
Kurs, Avancerad nivå, 1DT115
Våren 2025 Våren 2025, Uppsala, 33 %, Campus, Engelska
- Studieort
- Uppsala
- Studietakt
- 33 %
- Undervisningsform
- Campus
- Undervisningstid
- Dag
- Studieperiod
- 20 januari 2025–23 mars 2025
- 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.
- Studieavgift, första inbetalningen: 12 083 kr
- Studieavgift, totalt: 12 083 kr
- Sista anmälningsdag
- 15 oktober 2024
- Anmälningskod
- UU-61204
För dig som är antagen eller reserv
- Registreringsperiod
- 20 december 2024–27 januari 2025
- Institutionens information om registrering
Våren 2025 Våren 2025, Uppsala, 33 %, Campus, Engelska För utbytesstudenter
- Studieort
- Uppsala
- Studietakt
- 33 %
- Undervisningsform
- Campus
- Undervisningstid
- Dag
- Studieperiod
- 20 januari 2025–23 mars 2025
- 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
- 20 december 2024–27 januari 2025
- Institutionens 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.