Kursöversikt

Välkommen!

Projekt

Se shared/projekt.ipynb i JupyterLab för beskrivning av projekt.

Projekten är individuella.

Deadline: 8 Januari.

Föreläsningar

Introduktion Tisdag 31/8  17.15-18.00 Inspelning
Föreläsning 1 - Python repetition Tisdag 7/9 17.15 - 20.00 Inspelning
Föreläsning 2 - Objekt och maskininlärning Tisdag 28/9 17.15 - 20.00

Inspelning

Föreläsning 3 - Maskininlärning - praktik Tisdag 19/10 17.15 - 20.00

Inspelning

Föreläsning 4 - Arv och osäkerhet Tisdag 9/11 17.15 - 20.00

Inspelning: Arv

Inspelning: Osäkerhet

Föreläsning 5 - Felhantering Tisdag 30/11 17.15 - 20.00

Inspelning: Felhantering med exceptions

Inspelning: Felsökning / Debugging

Föreläsning 6 - Kodkonventioner, struktur och testning Tisdag 21/12 17.15 - 20.00

Inspelning

 

Länkar till maskininlärning för fysik:

https://physicsbaseddeeplearning.org

https://benmoseley.blog/my-research/so-what-is-a-physics-informed-neural-network/

Träff 7 - Projekt Tisdag 11/1 17.15 - 20.00

https://gu-se.zoom.us/j/64959713461?pwd=ci9HTzdwMFd2TUlNNitZb3F6SVBzUT09

Meeting ID: 649 5971 3461
Passcode: 622421

Uppgifter

Alla uppgifter finns i kursens JupyterLab.

Instruktioner
Deadline
Intro Följ instruktioner på sidan Uppgifter och kör sedan igenom första uppgiften (intro.ipynb). 2021-09-07
Laboration 1

Kopiera laboration1.ipynb från shared mappen i JupyterLab.

Testa din lösning genom att starta en terminal (se shared/intro.ipynb för instruktioner) och kör

python shared/test_laboration1
2021-09-28
Laboration 2 - Objekt

Kopiera laboration2-objekt.ipynb från shared mappen i JupyterLab och följ instruktionerna.

Filen laboration2-maskininlärning.ipynb innehåller en frivillig förberedande laboration inför nästa föreläsning.

När du är klar med din lösning för laboration2-objekt så sparar du din kod för klasserna Todo och Todos in en Python fil laboration2_objekt.py

Se sidan Uppgifter för info om du inte vet hur du lägger till nya filer.

Testa din lösning genom att köra

python shared/test_laboration2
2021-10-19
Laboration 3 - Maskininlärning

Se shared/laboration3_fashionmnist.ipynb för information.

Testa din tränade modell med

python shared/test_laboration3
2021-11-12
Laboration 4 - Felsökning

Se shared/laboration4/pi.ipynb för instruktioner.

Spara din korrigerade pi.py i din hemmapp när du är klar.

2021-12-20

 

Schema och kursplan

Vi träffas på Zoom var tredje Tisdag från första föreläsningen, se kalender.

Kursplanen hittar du här

Kurslitteratur

Föreläsningsanteckningar finns tillgängliga via uppgiftssystemet.

Vi kommer också jobba med tillgängliga resurser på nätet.

Se sidan Resurser för programmering online för externa resurser.

https://www.python.org/static/community_logos/python-logo-master-v3-TM.png File:NumPy logo 2020.svg
Matplotlib logo — Matplotlib 3.1.0 documentation File:Pytorch logo.png

Examination

Ett större individuellt projekt samt inlämningsuppgifter inför varje träff.

Kursansvarig/Föreläsare/Kontaktinformation
Kursansvarig: Hampus Linander, hampus.linander@gu.se

Studieadministration och studievägledning: Se studentportalen. 

 

Studentportalen

Läs mer om att studera vid Institutionen för fysik, tentamensschema med mera på Studentportalen. 

 

 

Kurssammanfattning:

Kurssammanfattning
Datum Information Sista inlämningsdatum