Avancerad tillämpad djupinlärning inom fysik och teknik
Kurs, Avancerad nivå, 1FA006
Våren 2025 Våren 2025, Uppsala, 33 %, Campus, Kursen ges vid behov på engelska Ges endast inom program
- Studieort
- Uppsala
- Studietakt
- 33 %
- Undervisningsform
- Campus
- Undervisningstid
- Dag
- Studieperiod
- 24 mars 2025–8 juni 2025
- Undervisningsspråk
- Kursen ges vid behov på engelska
- Behörighet
-
120 hp inom naturvetenskap/teknik. Tillämpad djupinlärning inom fysik och teknik. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)
- 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-63147
För dig som är antagen eller reserv
- Registreringsperiod
- 10 mars 2025–23 mars 2025
- Institutionens information om registrering
Våren 2026 Våren 2026, Uppsala, 33 %, Campus, Kursen ges vid behov på engelska
- Studieort
- Uppsala
- Studietakt
- 33 %
- Undervisningsform
- Campus
- Undervisningstid
- Dag
- Studieperiod
- 23 mars 2026–7 juni 2026
- Undervisningsspråk
- Kursen ges vid behov på engelska
- Behörighet
-
120 hp inom naturvetenskap/teknik. Tillämpad djupinlärning inom fysik och teknik. 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 2025
- Anmälningskod
- UU-63147
För dig som är antagen eller reserv
- Registreringsperiod
- 9 mars 2026–22 mars 2026
- Institutionens information om registrering
Om kursen
I denna kurs fördjupar du dig i avancerade koncept inom neurala nätverk och djupinlärning. Du kommer att utforska tekniker som Grafiska Neurala Nätverk, Generativa modeller, kvantiserade nätverk och mer, med praktiska färdigheter i att använda verktyg som TensorFlow, PyTorch och JAX. Dessa ämnen kommer att belysas med exempel från aktuell forskning inom fysik och teknik. Efter avslutad kurs kommer du att kunna designa specialanpassade neurala nätverksarkitekturer för problem inom fysik och teknik, hantera komplexa datamängder för träning och välja rätt djupinlärningsverktyg för olika problem, vilket gör dig redo för avancerade tillämpningar inom dessa områden.
Kontakt
- Studievägledning
- studievagledare@physics.uu.se
- 018-471 35 21