Avancerad sökning

Visar resultat 1 - 5 av 111 uppsatser som matchar ovanstående sökkriterier.

  1. 1. Utilizing energy-saving techniques to reduce energy and memory consumption when training machine learning models : Sustainable Machine Learning

    Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

    Författare :Khalid El Yaacoub; [2024]
    Nyckelord :Sustainable AI; Machine learning; Quantization-Aware Training; Model Distillation; Quantized Distillation; Siamese Neural Networks; Continual Learning; Experience Replay; Data Efficient AI; Energy Consumption; Energy-Savings; Sustainable ML; Computation resources; Hållbar maskin inlärning; Hållbar AI; Maskininlärning; Quantization-Aware Training; Model Distillation; Quantized Distillation; siamesiska neurala nätverk; Continual Learning; Experience Replay; Dataeffektiv AI; Energiförbrukning; Energibesparingar; Beräkningsresurser;

    Sammanfattning : Emerging machine learning (ML) techniques are showing great potential in prediction performance. However, research and development is often conducted in an environment with extensive computational resources and blinded by prediction performance. LÄS MER

  3. 2. Ordförrådsutveckling hos elever i skolår 2 och 3: En utvärdering av träning med retrieval practice vid inlärning av nivå-2-ord

    Magister-uppsats, Göteborgs universitet/Institutionen för svenska språket

    Författare :Nils Johannesson; [2023-02-10]
    Nyckelord :ordförråd; ordförrådsutveckling; ordträning; retrieval practice; testbaserat lärande; nivå-2-ord; ämnesneutrala ord;

    Sammanfattning : I denna magisteruppsats redovisas en studie, där 22 elever i skolår 2 och 3 (genomsnittlig ålder = 8 år och 8 månader) fick individuell träning med elevvänliga ordförklaringar. Orden utgjordes av nivå-2-ord, det vill säga mer eller mindre abstrakta ord som typiskt är ämnesneutrala och som är centrala för läsförståelsen. LÄS MER

  4. 3. How to Educate an Organization in Working with Security Topics from a User Experience Perspective

    Master-uppsats, Lunds universitet/Ergonomi och aerosolteknologi; Lunds universitet/Certec - Rehabiliteringsteknik och Design

    Författare :Felicia Gabrielii Augustsson; Anna Dahlström; [2023]
    Nyckelord :User centered design; threat analysis; security; experiential learning; gamification; interactive learning tool; the design process; Technology and Engineering;

    Sammanfattning : In today's rapidly evolving society, the pervasive influence of technology has profoundly transformed various aspects of human life, presenting both unprecedented opportunities and critical security challenges. To mitigate the risks of data breaches, malicious attacks, and overall cyber threats, companies have taken proactive measures by providing education and training to their employees in the areas of cyber security and software security. LÄS MER

  5. 4. Handskrift - en nyckel till lärande? : En systematisk litteraturstudie om effekterna av handskriftsträning.

    Uppsats för yrkesexamina på avancerad nivå, Linnéuniversitetet/Institutionen för pedagogik och lärande (PEL)

    Författare :Annika Johnsson; Ulrika Pettersson; [2023]
    Nyckelord :Automatisering; handskrift; handskriftsflyt; skrivundervisning; litteraturstudie;

    Sammanfattning : Syftet med den här litteraturstudien var att göra en systematisk studie över tidigare forskning om handskrift och dess betydelse för inlärning. Handskriften uppmärksammas allt mindre till förmån för digitalt skrivande och explicit träning i handskrift har fått stå tillbaka i takt med skolans digitalisering. LÄS MER

  7. 5. Self-supervised pre-training of an attention-based model for 3D medical image segmentation

    Master-uppsats, KTH/Skolan för elektroteknik och datavetenskap (EECS)

    Författare :Albert Sund Aillet; [2023]
    Nyckelord :Computer vision; Deep learning; 3D Medical image segmentation; Self-supervised learning; Datorseende; Djupinlärning; 3D Medicinsk bildsegmentering; Självövervakad träning;

    Sammanfattning : Accurate segmentation of anatomical structures is crucial for radiation therapy in cancer treatment. Deep learning methods have been demonstrated effective for segmentation of 3D medical images, establishing the current standard. However, they require large amounts of labelled data and suffer from reduced performance on domain shift. LÄS MER