Data engineering I
Kurs, Avancerad nivå, 1TD169
Fäll ut informationen nedan för att läsa mer om anmälan och behörighet.
Våren 2027 Våren 2027, Uppsala, 33 %, Campus, Engelska Ges endast inom program
- Studieort
- Uppsala
- Studietakt
- 33 %
- Undervisningsform
- Campus
- Undervisningstid
- Dag
- Studieperiod
- 18 januari 2027–21 mars 2027
- Undervisningsspråk
- Engelska
- Behörighet
-
120 hp inom teknik/naturvetenskap inklusive 50 hp datavetenskap och matematik, varav minst 20 hp datavetenskap och minst 20 hp matematik. Inom datavetenskap ska ingå minst 10 hp programmering och genomgången Databasteknik I. Inom matematik ska linjär algebra och sannolikhet och statistik ingå. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)
- Sista anmälningsdag
- 15 oktober 2026
- Anmälningskod
- UU-62015
För dig som är antagen eller reserv
Våren 2027 Våren 2027, Uppsala, 33 %, Campus, Engelska För utbytesstudenter
- Studieort
- Uppsala
- Studietakt
- 33 %
- Undervisningsform
- Campus
- Undervisningstid
- Dag
- Studieperiod
- 18 januari 2027–21 mars 2027
- Undervisningsspråk
- Engelska
- Behörighet
-
120 hp inom teknik/naturvetenskap inklusive 50 hp datavetenskap och matematik, varav minst 20 hp datavetenskap och minst 20 hp matematik. Inom datavetenskap ska ingå minst 10 hp programmering och genomgången Databasteknik I. Inom matematik ska linjär algebra och sannolikhet och statistik ingå. Engelska 6. (Med en svensk kandidatexamen uppfylls kravet på engelska.)
För dig som är antagen eller reserv
Om kursen
Den här kursen handlar om hur man angriper analys av datamängder som är så stora så att det inte längre går att hantera dem med traditionella databaser och traditionell programvara. Sådan datamängder kan till exempel genereras från experiment och simuleringar inom många vetenskapsområden. Ett vanligt problem inom storskalig maskininlärning är preprocessing och transformation av massiva datamängder innan modeller tränas.
Kursen handlar dels om hur moderna system är designade för att klara av att hantera snabbt växande datamängder på både ett robust och ekonomiskt sätt, och hur man praktiskt använder olika plattformar och hjälpmedel för den här typen av stora datamängder. Fokus i kursen ligger på analys av stora dataset med hjälp av beräkningskluster och så kallade batch-beräkningar, samt på praktiskt användning av molnresurser.