Vindkraft och ML. - hur kan vindkraft dra nytta avml
|
|
- Jan-Olof Abrahamsson
- för 5 år sedan
- Visningar:
Transkript
1 Vindkraft och ML - hur kan vindkraft dra nytta avml
2 AI och ML Intelligens: förmågan att utnyttja kunskap för att bättre lösa en klass av uppgifter Lärande: förmågan att förbättra sin förmåga att lösa uppgifterna Datorprogram skrivs vanligtvis som en lista av instruktioner som en dator ska utföra. Programmet är representationen (koden) av en algoritm. Klassisk AI: Människor skriver ett program P som systematiskt delar upp problemet och bygger ihop en lösning. Exempel: schack, expertsystem. Ansats: koda mänsklig kunskap och resonerade. Machine Learning - maskininlärning - är ett annat sätt att programmera datorer. ML-algoritmer använder träningsdata för att förbättra ett annat program P som skall utföra uppgiften. Ansats: ge exempel och låt en ML-algoritm hitta ett bra P. ML utgår från träningsdata insamlad i förväg, eller skapar mer data efterhand, för att förbättra P (exempel: Reinforcement Learning).
3 Ett sätt att se på ML: Glesa (sparse) representationer Nästan alla bilder ser ut så här: Nästan inga bilder ser ut så här: {3,21,49} Ta en komplex, mångdimensionell representation av världen, och plocka ut en liten representation som fångar de relevanta skillnaderna mellan exempel i träningsdatat. Gärna unsupervised, dvs utan människo-annoterat data.
4 Generalisering: att undvika överanpassning när modellerna har miljontals parametrar Sambandet mellan datat och den kompakta representationen kan vara kraftigt icke-linjärt, och generella program P som går att träna behöver miljontals parametrar. Det har setts som dåligt - anti-occam - att ha många parametrar. Goodfellow (2016) Men det finns andra sätt att undvika överanpassning än att begränsa antalet parametrar! Så vi kan använda överparametriserade modeller som program.
5 Generalisering ML-målet är att få bra förmåga att lösa alla uppgifter i problemklassen, inte bara lära sig uppgifterna som förekommer i tränings-datat. För att undvika överträning så tränar man på en datamängd, men använder en annan mängd för att avgöra om programmet blivit generellt bättre. Ofta tränar man på en annan uppgift än måluppgiften. Träningsuppgiften kan tex vara enklare att bedöma numeriskt.
6 Några exempel på ML-algoritmer Algoritmen drar kandidater till bättre P ur en klass på något sätt, och accepterar kandidaten på något sätt. Random Forest tränas med bootstrap sampling K-means tränas med EM Deep Learning tränas med SGD
7 Några exempel på uppgifter för AI som kan programmeras med ML Klassificering (labeling, anomaly detection) Vision (instance segmentation, positionering) Språk-modeller (joint probability för ord-sekvenser) Generering (av tidsserier, bilder, text) Styrning (spel, fordon, industri-process)
8 Några exempel på uppgifter för vindkrafts-ai Förutsäga -vindkraftsproduktion -servicebehov Upptäcka -förslitning (kullager, kugghjul, turbinblad, torn, Klassificera/tolka -mätkurvor (vibrationer, ström) Styra -optimera produktion minus driftkostnader -lagra eller leverera elkraft Elhandel -lägg elmarknadsbud som tar hänsyn till förväntad produktion och marknadspriser )
9 Träna ML modeller på data från ML-modeller Väderdatat vid produktionsprognoser är inte det sanna vädret, utan kommer från en annan prognos, vilket är riskabelt. Om prognosmakarna byter metod så måste ML-modellen tränas om. Prognosdatat kan innehålla prognoser som genererats från olika modeller. En tydligare modell för hur osäkerheten i prognosen behövs.
10 VindEL Väderprognos NordPool Produktionsprognos per park Elprisprognos Lägg bud för intermittent kraft på elspot Mät vad som hände och förbättra prognoserna
11
12 Wind at surface Wind at 500 hpa Hurricane Dorian
13 Traded=produced Wind power
14
15
16 Sammanfattning ML kan ta fram program som hittar mönster i stora mängder av mångdimensionell data, tex driftloggar, tidsserier, bilder. Svårigheter: -Vindkraftproduktion är ett distribuerat system som påverkas både av väder och av osäkra prognoser. -Många relevanta variabler (tex serviceavbrott) är idag icke-observerbara i datat. Möjligheter: -Upptäckta mönster kan ge en mer effektiv och automatisk styrning och drift. -Information om ett kraftverk kan ge information om andra kraftverk. Med rätt modell P kan de lära av varann. -Vi hoppas att datorstöd för analys och drift av vindkraftverk kan underlätta för fler aktörer att delta, och underlätta balanseringen.
Artificiell Intelligens den nya superkraften
Artificiell Intelligens den nya superkraften Socialchefsdagarna, 4 oktober 2018 #CGINext Artificiell Intelligens Förmågan hos mjukvara att agera självständigt på ett intelligent sätt tidigare bara associerat
Optimera, inte eliminera, den mänskliga hjärnan genom AI. Anna-Karin Edstedt Bonamy, MD, PhD Chief Medical Officer, Doctrin AB
Optimera, inte eliminera, den mänskliga hjärnan genom AI Anna-Karin Edstedt Bonamy, MD, PhD Chief Medical Officer, Doctrin AB En av sjukvårdens största utmaningar är ökande personalbrist 4 av 10 läkare
de var svåra att implementera och var väldigt ineffektiva.
OBS! För flervalsfrågorna gäller att flera alternativ eller inget alternativ kan vara korrekt. På flervalsfrågorna kan man bara ha rätt eller fel, dvs frågan måste vara helt korrekt besvarad. Totalt kan
Sannolikhetsprognoser för nedisning på vindturbiner
Sannolikhetsprognoser för nedisning på vindturbiner Tema Vindresurs 2018-11-08 Jennie Molinder Uppsala Universitet Kontakt: jennie.molinder@geo.uu.se Motivation Kan sannolikhetsprognoser av istillväxt
Sannolikhetsmodellering av is på vindkraftverk genom deterministisk sampling
Sannolikhetsmodellering av is på vindkraftverk genom deterministisk sampling Jennie Söderman Heiner Körnich (SMHI) Esbjörn Olsson (SMHI) Peter Hessling (Kapernicus) Kontakt: jennie.perssonsoderman@geo.uu.se
AI utmaningar inom kvalitetssäkring. Henrik Emilsson Teststrateg, Nordic Medtest AB
AI utmaningar inom kvalitetssäkring Henrik Emilsson Teststrateg, Nordic Medtest AB Först lite om Artificiell intelligens General AI vs. Narrow AI Maskininlärning Supervised Learning Unsupervised Learning
2D Potentialen i en nervcell definieras normalt som skillnaden i spänning mellan dess axon och dendrit.
2D1432 Artificiella Neuronnät och andra lärande system Lösningsförslag till Tentamen 2003-03-06 Inga hjälpmedel. Uppgift 1 Vilka av följande påståenden är sanna? Korrigera de som är fel. 1. Potentialen
Avsnitt 2. Modell: intuitiv statistisk
Avsnitt 2. Modell: intuitiv statistisk En prognos är en utsaga om en framtida händelse. Vi kommer mest att syssla med numeriska prognoser. Med det menar vanligen ett tal på en intervallskala. Exempel:
Algoritmer och maskininlärning
Algoritmer och maskininlärning Olof Mogren Chalmers tekniska högskola 2016 De här företagen vill Tjäna pengar Hitta mönster i stora datamängder Göra förutsägelser Klassificera data Förstå människan Maskininlärning
Hierarchical Temporal Memory Maskininlärning
Hierarchical Temporal Memory Maskininlärning Innehåll Sammanfattning... 3 Inledning... 4 Vad är HTM?... 4 Hur fungerar HTM?... 4 Hierarchical... 4 Temporal... 5 Memory... 5 Hitta orsaker i världen... 5
KUNDCASE. Inovia gjorde sin AI-utveckling 10 gånger snabbare med Power-plattformen
KUNDCASE Inovia gjorde sin AI-utveckling 10 gånger snabbare med Power-plattformen MÖT INOVIA Inovia är ett marknadsledande bolag som är specialiserade på Big Data och AI där lösningarna utvecklas av ett
Att använda Weka för språkteknologiska problem
Att använda Weka för språkteknologiska problem Systemet WEKA (Waikato Environment for Knowledge Acquisition) är en verktygslåda med olika maskininlärningsalgoritmer, metoder för att behandla indata, möjligheter
Lösningsförslag till tentamen i Språkteknologi 2D1418,
Lösningsförslag till tentamen i Språkteknologi 2D1418, 2004-10-18 1. Stavningskontroll utan ordlista (10 poäng) a) Med 29 bokstäver i alfabetet och en specialbokstav för ordbörjan/ordslut så finns det
TDDD92 Artificiell intelligens -- projekt
jonas.kvarnstrom@liu.se 2018 TDDD92 Artificiell intelligens -- projekt Individuella uppgifter UPG2: Individuell skriftlig rapport 2 Vad? Läsa och förstå vetenskaplig litteratur Varför? Framtiden: Inte
Automatisk Sentimentklassificering av Twitter-inlägg
[TYPE THE COMPANY NAME] Automatisk Sentimentklassificering av Twitter-inlägg Språkteknologi DD2418 Binxin Su, Christian Davilém 1/8/2013 [Type the abstract of the document here. The abstract is typically
Maskininlärning med boostrapping. Maskininlärningslabb i Språkteknologi
Maskininlärning med boostrapping Maskininlärningslabb i Språkteknologi Abstrakt Vi undersöker, med hjälp av maskininlärningslabben från denna kurs, hur pass bra resultat bootstrapping ger i samband med
Hur kan AI förbättra våra processer?
Hur kan AI förbättra våra processer? Exempel på AI-relaterade projekt inom pappersindustrin Mats Tallfors Olsson Tomas Artificiell intelligens, AI Varför AI nu? CPU/GPU/Minne (Algoritmer) Data! Artificial
Data mining. Data mining Skillnaden mellan observationella och experimentella data
Data mining Skillnaden mellan observationella och experimentella data Data mining Metoder för att automatisktupptäcka icke-trivial användbar information i stora datamängder 1 Data mining: (Mot-)exempel
Från inlärningsteori till praktisk hundträning
Från inlärningsteori till praktisk hundträning Kenth Svartberg, PhD Hjälp vid jakt Valla får och nötboskap Vakta bostad/område/boskap Dra pulka/släde/vagn Söka efter personer Söka efter preparat/substanser
DATALOGISK TÄNKANDE OCH PROGRAMMERING CETIS OKTOBER 2017
DATALOGISK TÄNKANDE OCH PROGRAMMERING CETIS OKTOBER 2017 VAD ÄR DET FÖRSTA NI TÄNKER PÅ? Datalogiskt tänkande Programmering FRÅGOR I FOKUS IDAG Varför är digitala kompetenser och programmering viktigt
DD1350 Logik för dataloger. Vad är logik?
DD1350 Logik för dataloger Fö 1 - Introduktion Vad är logik? Vetenskapen som studerar hur man bör resoneraoch dra slutsatser utifrån givna påståenden (=utsagor, satser). 1 Aristoteles (384-322 f.kr) Logik
Hur får jag ut kraft och nytta av POWER?
Hur får jag ut kraft och nytta av POWER? TOP 25 ARTIFICIAL INTELLIGENCE SOLUTION PROVIDERS - 2017 Christoffer Göransson 0733-408700 Christoffer.goransson@inoviagroup.se Agenda Kort om oss Inovia/AI Hur
Introduktion programmering
Introduktion programmering 30.11.2017 Innehåll Introduktion (Vetenskapens hus, direktiv regering & skolverket) Varför är programmering viktigt! några välkända röster Praktik; lapp programmering & blue
b) NY KURS (Ange kursnamn, årskurs, önskad läsperiod, schemablocksplacering. Bifoga utkast till kursplan.)
LINKÖPINGS TEKNISKA HÖGSKOLA Tekniska fakultetskansliet FÖRSLAG TILL PROGRAMNÄMND INFÖR ÅR NÄMND/NÄMNDER: Förslagsställare (Namn, funktion, Inst/Enhet) FÖRSLAGET GÄLLER: a) EXISTERANDE KURS (Ange kurskod
Datalogiskt tänkande är mer än Programmering. Fredrik Heintz Linköpings universitet
Datalogiskt tänkande är mer än Programmering Fredrik Heintz Linköpings universitet Vad kommer jag säga idag? Datalogiskt tänkande är en uppsättning generella färdigheter och attityder som är viktiga för
Formell Verifiering. Hur vet man att ett system fungerar korrekt? Lisa Kaati
Formell Verifiering Hur vet man att ett system fungerar korrekt? Lisa Kaati Innehåll Motivering Formell verifiering Modellkontroll (model checking) Verifiering av kod Forskning Dator system finns överallt
Machine Learning. Strategisk satsning inom fordonsindustrin (FFI)
Machine Learning Strategisk satsning inom fordonsindustrin (FFI) 1 Sammanfattning Machine Learning (ML) har potential att avsevärt förändra fordonsindustrin liksom övriga industrigrenar och samhället i
Datalogiskt tänkande för alla
Datalogiskt tänkande för alla Fredrik Heintz, IDA fredrik.heintz@liu.se @FredrikHeintz Linda Mannila linda.mannila@abo.fi @lindamannila Software is eating the world Trends AI och Autonoma System redan
Hur kan man CE-märka AI? PICTA workshop 29 Maj 2018
Hur kan man CE-märka AI? PICTA workshop 29 Maj 2018 Mats Artursson Utredare/Inspektör Agenda Vad säger regelverket Olika typer av AI Sverige Internationellt Utmaningar Pågående EU arbete 2 Medicinteknisk
Power Väst Västra Götalandsregionens utvecklingsnätverk för vindkraft
Power Väst Västra Götalandsregionens utvecklingsnätverk för vindkraft Vindkraft Förnybar energikälla Inga utsläpp Nyttjar vinden som är en oändlig resurs Ger lokal och regional utveckling Mindre sårbar
Programmering, dans och loopar
Lektionen är en introduktion till programmering; träna loopar med analog dansprogrammering. Lektionsförfattare: Karin Nygårds Till läraren 1. En loop 2. Varför behövs loopar? En digital lektion från https://digitalalektioner.iis.se
729G43 Artificiell intelligens (2016) Maskininlärning 3. Marco Kuhlmann Institutionen för datavetenskap
729G43 Artificiell intelligens (2016) Maskininlärning 3 Marco Kuhlmann Institutionen för datavetenskap Modell med vektornotation parametervektor särdragsvektor Perceptron kombinerar linjär regression med
Vindforsk IV update of ongoing projects
Vindforsk IV update of ongoing projects A collaborative program between the Swedish Energy Agency and Energiforsk , Vindforsk IV shall strengthen the knowledge and competence needed to build, integrate
IRIS Integrerat Dynamiskt Prognostiserande Underhållsstöd
IRIS Integrerat Dynamiskt Prognostiserande Underhållsstöd Projektstart: 2012 Projektavslut: 2017 Finansierat av: Vinnova, FFI Transporteffektivitet och Scania CV Dr Jonas Biteus Scania CV Vehicle service
Framtidens vårdinformationsstöd FVIS 12 OKTOBER 2017
Framtidens vårdinformationsstöd FVIS 12 OKTOBER 2017 Vad är Framtidens Vårdinformationsstöd Framtidens Vårdinformationsstöd (FVIS) är en sammanhållen digital vårdmiljö som ska innehålla stöd för verksamhetens
AI Guide: Så här blir du en modern redovisningskonsult med hjälp av artificiell intelligens
AI Guide: Så här blir du en modern redovisningskonsult med hjälp av artificiell intelligens Vad är artificiell intelligens (AI)? AI är metoder och tekniker som gör det möjligt för datorsystem att utföra
Vardagssituationer och algebraiska formler
Modul: Algebra Del 7: Kommunikation i algebraklassrummet Vardagssituationer och algebraiska formler Cecilia Kilhamn, Göteborgs Universitet och Jörgen Fors, Linnéuniversitetet En viktig del av algebran
ALLMÄN STUDIEPLAN FÖR UTBILDNING PÅ FORSKARNIVÅ I MASKININLÄRNING
ALLMÄN STUDIEPLAN FÖR UTBILDNING PÅ FORSKARNIVÅ I MASKININLÄRNING /Machine learning Tekniska fakultetsnämnden - dekanus 2018-11-20 1. Ämnesområde Maskininlärning fokuserar på metoder med vilka datorsystem
Vad är Artificiell Intelligens (AI) Olika typer av AI och deras användningsområden Innovation med hjälp av AI Framtiden och etiska frågeställningar
1 Agenda Vad är Artificiell Intelligens (AI) Olika typer av AI och deras användningsområden Innovation med hjälp av AI Framtiden och etiska frågeställningar 2 Nuvarande AI Funktioner en grov Analogi Rekommendation,
VindEL-programmet. Energimyndighetens nya programsatsning på forskning och innovation inom vindkraftsområdet
VindEL-programmet Energimyndighetens nya programsatsning på forskning och innovation inom vindkraftsområdet Pierre-Jean Rigole Avdelningen för forskning och innovation på Energimyndigheten Vindkraftsstrategin
Efterfrågan på olika förmågor på arbetsmarknaden har förändrats drastiskt under senare år.
1 2 Efterfrågan på olika förmågor på arbetsmarknaden har förändrats drastiskt under senare år. Idag efterfrågas människor som kan lösa komplexa problem vilket kräver icke rutinmässig analytisk förmåga
Förändrade roller på elmarknaden
1 Förändrade roller på elmarknaden Traditionellt: Produktionen i hög grad styrbar Förbrukningen styr produktionen Efterfrågeflexibilitet finns, men spelar en relativt t sett liten roll Tidsdifferentierade
Big Data för Fordon och Transport! Vår Digitala Framtid, Trafikverket!! Björn Bjurling, SICS Swedish ICT, 20150421!
Big Data för Fordon och Transport! Vår Digitala Framtid, Trafikverket!! Björn Bjurling, SICS Swedish ICT, 20150421! Sammanfattning! Big Data är överallt! Big Data Analytics används för att utvinna information
Kognitiv psykologi. Kognition / Tänkande. Tänkande
Kognitiv psykologi Tänkande och resonerande som grund för problemlösning Anders Jansson Kognition / Tänkande Kognitionsmodeller IP-modellen, Konnektionistiska teorier, Prototypteori, Kognitiv semantik,
Talföljer och cirklar: Algoritmer, geometri och mönster 2 av 4
Talföljer och cirklar: Algoritmer, geometri och mönster 2 av 4 Lektionen handlar om hur algoritmer kan användas för att skapa geometriska mönster. Lektionsförfattare: Måns Jonasson Till läraren En digital
DATAANALYS OCH AVANCERADE ALGORITMER MÖJLIGHETER MED UTÖKAD MÄTINFRASTRUKTUR
DATAANALYS OCH AVANCERADE ALGORITMER MÖJLIGHETER MED UTÖKAD MÄTINFRASTRUKTUR Mattias Persson (Ph.D.) 1 Oktober 2018 RISE Research Institutes of Sweden Measurement technology Agenda Bakgrund Målet med projektet
Integration av vindkraft och behov av framtida nätutbyggnad. Ulf Moberg, Teknisk Direktör
Integration av vindkraft och behov av framtida nätutbyggnad Ulf Moberg, Teknisk Direktör 2 Integration av vindkraft? Ja MEN > Hur mycket? > Var? > När? 3 Integration av vindkraft Många parametrar som påverkas
IRIS Integrerat Dynamiskt Prognostiserande Underhållsstöd
1 IRIS Integrerat Dynamiskt Prognostiserande Underhållsstöd Scania CV, Linköpings universitet, Stockholms universitet Jonas Biteus, Scania CV Vehicle Service Information Projektstart: 2012 Projektavslut:
Lokal vindkraftsatsning i Uppvidinge.
Lokal vindkraftsatsning i Uppvidinge. Fyra markägare från bygden har tillsammans med prästlönetillgångar i Växjö stift bildat UppVind ekonomisk förening som avser att uppföra nio vindkraftverk norr och
Här är två korta exempel på situationer då vi tillämpar den distributiva lagen:
Modul: Algebra Del 8: Avslutande reflektion och utvärdering Distributiva lagen Cecilia Kilhamn, Göteborgs Universitet Distributiva lagen a (b + c) = a b + a c Den distributiva lagen kallas den räknelag
AI, musik & PLCGalgoritmen
LINKOPINGS UNIVERSITET, IDA AI, musik & PLCGalgoritmen AI inom en artistisk domän sarwi387 9/18/2012 ABSTRAKT AI har anpassats på de flesta naturvetenskapliga ämnen tidigare men man har de senaste årtionden
Tänk på följande saker när du skriver tentan:
Ämne: AI med inriktning mot kognition och design Kurskod: KOGB05 / TDBB21 Datum: 2005-04-01 Antal uppgifter: 12 Skrivtid: 09:00 15:00 Max poäng: 54 Betygsgränser: 27 x
Power to gas Karin Byman, ÅF 2014-10-23
Power to gas Karin Byman, ÅF 2014-10-23 Vad är power to gas? Integrerar energisystemen till Ett smart energisystem! ELSYSTEM - ELINFRASTRUKTUR Billig el BIOMASSA Elektrolys Rötning / Förgasning Gas O2
Mervind i kommunerna. www.dalavind.se
Mervind i kommunerna Jan Högberg Projektledare, Dala Vind AB Styrelseuppdrag Äppelbovind Ekonomisk förening Dala Vindkraft Ekonomisk förening Bilden föreställer min kollega Niklas Lundaahl Sveriges 7:e
Korttidsplanering av. mängder vindkraft
HUVA-dagen 18 mars, 2010 Korttidsplanering av vatten-värmekraftsystem vid stora mängder vindkraft Lennart Söder Professor, KTH 1 Disposition Om förnybara energislag Generellt om vattenkraftsplanering Transmissionsläget
Enlagersnät Flerlagersnät Generalisering. Artificiella Neuronnät
Artificiella Neuronnät 1 Karaktäristiska egenskaper Användningsområden Klassiska exempel Biologisk bakgrund 2 Begränsningar Träning av enlagersnät 3 Möjliga avbildningar Backprop algoritmen Praktiska problem
Eskilstuna kommuns erfarenheter av egen vindkraft - från beslut till bygge. Eva Lehto, kommunstrateg samhällsbyggnad Kommunledningskontoret
Eskilstuna kommuns erfarenheter av egen vindkraft - från beslut till bygge Eva Lehto, kommunstrateg samhällsbyggnad Kommunledningskontoret Överblick egen vindkraft Klimatplanen antogs av Kommunfullmäktige
Loopar och ljud 3 av 7. Lektionen handlar om att lära sig programmera loopar och använda ljudeffekter med verktyget Scratch. Loopar och ljud 3 av 7
Lektionen handlar om att lära sig programmera loopar och använda ljudeffekter med verktyget Scratch. Lektionsförfattare: Lotta Ohlin Andersson Till läraren 1. Loopar och ljud 2. Repetera det du gjort Sida
Loopar och ljud 3 av 7. Lektionen handlar om att lära sig programmera loopar och använda ljudeffekter med verktyget Scratch. Loopar och ljud 3 av 7
Lektionen handlar om att lära sig programmera loopar och använda ljudeffekter med verktyget Scratch. Lektionsförfattare: Lotta Ohlin Andersson Till läraren 1. Loopar och ljud 2. Repetera det du gjort En
BIG DATA Myran i Skogen
BIG DATA Myran i Skogen Magnus Wåhlberg SAVE (Sektionen för AudioVisuella och Elektroniska handlingar) 2014-10-21---22 Exempel CERN LHC (1 promille av 300 GB/s ger 25 PB/år) Google Translate (EU-språk
VindEL-programmet. Energimyndighetens nya programsatsning på forskning och innovation inom vindkraftsområdet
VindEL-programmet Energimyndighetens nya programsatsning på forskning och innovation inom vindkraftsområdet Linus Palmblad, programansvarig för VindEL vid avdelningen för forskning och innovation på Energimyndigheten
Mervind i kommunerna. www.dalavind.se
Mervind i kommunerna Niklas Lundaahl Vindkraftansvarig, Dala Kraft AB Projektledare, Dala Vind AB Kommunikationsråd, Svensk Vindenergi Styrelseuppdrag Vindela Ekonomisk förening Fjällbergsvind Ekonomisk
Hur man kan tillämpa Data Science och AI i säkerhetsarbetet. Magnus Sahlgren
Hur man kan tillämpa Data Science och AI i säkerhetsarbetet Magnus Sahlgren FOI Totalförsvarets forskningsinstitut (ett av Europas ledande forskningsinstitut inom försvar och säkerhet) Mer än 900 forskare
Statistiskt säkerställande av skillnader
Rapport Statistiskt säkerställande av skillnader Datum: Uppdragsgivare: 2012-10-16 Mindball Status: DokumentID: Slutlig Mindball 2012:2, rev 2 Sammanfattning Totalt 29 personer har tränat med koncentrationshjälpmedlet
SERO:s energiseminarium
SERO:s energiseminarium 2011-03-12 2011-03-20 1 2011-03-20 2 2011-03-20 3 2011-03-20 4 Tillståndsprocessen Miljöbalken Samrådsförfarande med berörda myndigheter och allmänheten Tillståndsansökan lämnas
Programmering eller Datalogiskt tänkande
Programmering eller Datalogiskt tänkande I förskolan handlar programmering om att få en begynnande förståelse vad det kan innebära. Barnen ges ett kreativt utrymme och har möjlighet att forma sin egen
Elektronisk patientjournal
Elektronisk patientjournal Hippokrates Typer Tidsorienterad, problemorienterad samt källorienterad Varför? Stödja vården, legala skäl, forskning, utbildning. Data måste vara otvetydiga, strukturerade,
Mervind i kommunerna. www.dalavind.se
Mervind i kommunerna Niklas Lundaahl Vindkraftansvarig, Dala Kraft AB Projektledare, Dala Vind AB Kommunikationsråd, Svensk Vindenergi Styrelseuppdrag Vindela Ekonomisk förening Fjällbergsvind Ekonomisk
FRAMTIDSSPANING DIGITALA TEKNIKER PETRA BOSCH-SIJTSEMA MATTIAS ROUPÉ MIKAEL JOHANSSON CHRISTINA CLAESON-JONSSON
FRAMTIDSSPANING DIGITALA TEKNIKER PETRA BOSCH-SIJTSEMA MATTIAS ROUPÉ MIKAEL JOHANSSON CHRISTINA CLAESON-JONSSON Forskningsprojekt Chalmers Framtida digitala tekniker Petra Bosch-Sijtsema (petra.bosch@chalmers.se)
KRAFTLÄGET I NORDEN OCH SVERIGE
Nr 5-1, uppdaterad: 1 februari 5 Svensk Energi ger ut Kraftläget i Ett förtydligande av begreppet är att Island inte är med i denna sammanställning. De nordiska uppgifterna har källan Nord Pool och de
Kortsiktig produktionsplanering med hjälp av olinjär programmering
Kortsiktig produktionsplanering med hjälp av olinjär programmering S. Velut, P-O. Larsson, J. Windahl Modelon AB K. Boman, L. Saarinen Vattenfall AB 1 Kortsiktig produktionsplanering Introduktion Optimeringsmetod
CADEC CALLISTA DEVELOPER S CONFERENCE
CADEC CALLISTA DEVELOPER S CONFERENCE 2018.01.24 GÖTEBORG Cadec 2018 med de senaste trenderna inom arkitektur och systemutveckling Java 9 ReactJS Blockkedjan Kafka Machine Learning GDPR Rivstarta 2018
Datorkocken gör entré
Tema: Kreativa datorer Vi har vant oss vid att datorer ofta är bättre än oss människor på att analysera data. Särskilt när det kommer till stora datamängder, vilket det tidigare nyhetsbrevet på temat big
TIDS- OCH RUMSKOMPLEXITET
TIDS- OCH RUMSKOMPLEXITET Praktiska begränsningar långt innan teoretiska Tids- och rumskomplexitet Dramatiska effekter av skillnader i tidskomplexitet Utbytesförhållande tid och rum Hanterliga problem
VindEL-programmet. Energimyndighetens programsatsning på forskning och innovation inom vindkraftsområdet
VindEL-programmet Energimyndighetens programsatsning på forskning och innovation inom vindkraftsområdet Marit Marsh Strömberg Avdelningen för forskning och innovation på Energimyndigheten Energimyndighetens
Den smarta stadsdelen Hyllie Lösningar för smarta nät och en hållbar stad. Siemens AG 2012. All rights reserved. Sector Infrastructures & Cities
Den smarta stadsdelen Hyllie Lösningar för smarta nät och en hållbar stad Page 1 Smarta nät möjliggör integreringen av förnybara energikällor Vindkraftens utveckling i Sverige, 1982-2011 Lillgrund, Öresund
FTEA12:4 Vetenskapsteori. Realism och anti-realism
FTEA12:4 Vetenskapsteori Realism och anti-realism Realism vs. anti-realism Ontologi: Finns det en värld som är oberoende medvetandet? Semantik: Är sanning en objektiv språk-värld relation? Epistemologi:
Inledande programmering med C# (1DV402) Introduktion till programmering
Introduktion till programmering Upphovsrätt för detta verk Detta verk är framtaget i anslutning till kursen Inledande programmering med C# vid Linnéuniversitetet. Du får använda detta verk så här: Allt
Digitaliseringssatsning tillsammans med innovativa lantbruksföretag
Digitaliseringssatsning tillsammans med innovativa lantbruksföretag Isak Nielsen AgriOpt AB Vilka är vi? AgTech-startup grundat i februari 2018 Disputerad inom Reglerteknik Utvecklar ett digitalt beslutsstöd
Hur blåser vindarna. Potential, vad kan man göra, vad får man plats med och tekniska möjligheter. Power Väst - Chalmers, 5 september 2014
Hur blåser vindarna Potential, vad kan man göra, vad får man plats med och tekniska möjligheter Power Väst - Chalmers, 5 september 2014 Lennart Söder Professor i Elektriska Energisystem, KTH Vindkraft
Introduktion till programmering
Introduktion till programmering Vad är programmering? Vad gör en dator? Vad är ett datorprogram? 1 (9) Vad är programmering? För att bestämma en cirkels area måste du: 1. Dividera diametern 5 med 2. 2.
Hur fungerar en dator? Lektionen handlar om att förstå hur datorer styrs av program. Hur fungerar en dator? Lektionsförfattare: Boel Nygren
Lektionen handlar om att förstå hur datorer styrs av program. Lektionsförfattare: Boel Nygren Till läraren 1. Datorn säger "Hej!" 2. Använd programmeringsord En digital lektion från https://digitalalektioner.iis.se
Programmering från början
Färdiga lektioner till de nya digitala kunskapsmålen för årskurs 1 till 6 Lektionsserien består av följande lektioner: 1. Programmera någon att bre en smörgås 2. Lapp-programmering 3. Programmera kompisar
Accelererande teknisk utveckling inom sjukvårdssektorn förutsätter mångfacetterat lärande & förändring
Accelererande teknisk utveckling inom sjukvårdssektorn förutsätter mångfacetterat lärande & förändring Kristian Wasén, verksamhetsutvecklare SU, Region Västra Götaland Presentationens innehåll Varför framtidens
Installera Anaconda Python
Maskininlärning Installera Anaconda Python Nummergisslek Vi ska bygga ett litet program, RIDER, som ska gissa vilket nummer som du tänker på. Reglerna är att du tänker på ett heltal mellan 1 och 100. RIDER
Programmering. Analogt och med smårobotar. Nina Bergin
Programmering Analogt och med smårobotar Nina Bergin Programmering i Läroplanen Tre ämnen i grundskolan som har huvudansvaret för programmering: matematik, teknik och samhällskunskap. Ämnesövergripande
Att uttrycka och argumentera för en mönstergeneralisering algebraiskt
Att uttrycka och argumentera för en mönstergeneralisering algebraiskt Jenny Fred, lärare på Ekensbergsskolan, koordinator på STLS, forskningsassistent i Skolfi-projekt och doktorand vid Forskarskolan i
TDDD92 Artificiell intelligens -- projekt
jonas.kvarnstrom@liu.se 2018 TDDD92 Artificiell intelligens -- projekt Kursinformation Outline Om oss Om kursen i allmänhet Om den individuella uppgiften Om det gemensamma projektet Diskussion och frågor
JavaScript Block Editor:
Micro:bit Tärningen Att räkna med slumpen genom t.ex. tärningsslag och föra statistik över antal slag kan vara tidskrävande. Speciellt om man ska gör 100 st eller 1000 st kast. Genom att använda programmering
Introduktion till digitala medarbetare. RPA-dagen digital arbetskraft, 22/
Introduktion till digitala medarbetare RPA-dagen digital arbetskraft, 22/10 2018 B Agenda och PS Provider Innehåll och presentation av PS Provider Innehåll 11 12 1 I Introduktion till RPA och digitala
Ventilen. Cafévärdar Gunilla Schultzén och Gunnel Agrell Lundgren
Ventilen Cafévärdar Gunilla Schultzén och Gunnel Agrell Lundgren Robotisering och Artificiell Intelligens Det är en röra där ute med tekniska skiften och nya begrepp och det går fort Samarbetande robotar
Matematiska lägesmått med en micro:bit
Matematiska lägesmått med en micro:bit Lektionen handlar om att träna lägesmått genom att programmera en micro:bit. Lektionsförfattare: Camilla Askebäck Diaz Till läraren Sida 1 av 18 1. Repetera medelvärde,
Grunderna i programmering - loopar 3 av 6
Grunderna i programmering - loopar 3 av 6 Lektionen handlar om att konstruera och beskriva stegvisa instruktioner. Lektionsförfattare: Anna Eriksson Till läraren En digital lektion från https://digitalalektioner.iis.se
Klara målen i 3:an - ta tillbaka undervisningen! Vad är matematik? Matematiska processer
Klara målen i 3:an - ta tillbaka undervisningen! Dokumentation från Matematikbiennalen 2008, Ingrid Olsson En deltagare påpekade att rubriken kunde misstolkas innan föreläsningen. Av den hoppas jag att
ARTIFICIELL INTELLIGENS
ARTIFICIELL INTELLIGENS www..se Så fungerar det Artificiell Intelligens (AI) är intelligens som uppvisas av maskiner. Uttrycket användes för första gången 1955 i ett forskningsförslag med syftet att hitta
Imperativ programmering. Föreläsning 4
Imperativ programmering 1DL126 3p Föreläsning 4 Imperativa paradigmer Ostrukturerad programmering Strukturerad programmering Procedurell programmering Objektorienterad programmering Klassbaserad programmering
Simulering av elmarknader. EG2205 Föreläsning 11, vårterminen 2016 Mikael Amelin
Simulering av elmarknader EG2205 Föreläsning 11, vårterminen 2016 Mikael Amelin 1 Kursmål Tillämpa stokastisk produktionskostnadssimulering och Monte Carlo-simulering för att beräkna förväntad driftkostnad
Har ni några frågor? Fråga en av våra experter Ring:
Har ni några frågor? Fråga en av våra experter Ring: +46 40 616 00 50 SPS Smart Power Station med energilagring, anslutningar för förnybara energikällor och laddningsstationer för elfordon. En lösning
Matematiska lägesmått med en micro:bit
Lektionen ger eleverna möjlighet att träna matematik och lägesmått med hjälp av att programmera en micro:bit. Camilla Askebäck Diaz är högstadielärare i matematik på Södermalmsskolan i Stockholm. Till
IT OCH PROGRAMMERING I SKOLAN. Jan Erik Moström Peter Vinnervik
IT OCH PROGRAMMERING I SKOLAN Jan Erik Moström Peter Vinnervik VILKA ÄR VI OCH VAD KOMMER VI ATT PRATA OM? Jan Erik Moström - undervisar på institutionen för datavetenskap Peter Vinnervik - doktorand vid