Seminar F: Fordybelsesworkshops på Natural Sciences (naturvidenskab) og på Technical Sciences (ingeniørvidenskab)

Til dette seminar bliver I fordelt på de respektive workshops. Vi sender et link ud til jer, som I kan prioritere på i den første uge efter sommerferien.

I skal møde frem til jeres respektive workshops på det mødested, der kommer til at stå under hver workshop.

Workshops:

Workshop 1: Hjernens molekyler /Magnus Kjærgaard, Institut for Molekylærbiologi og Genetik – DANDRITE
På neuroforskningscenteret DANDRITE arbejder vi bl.a. med at forstå, hvordan erindringer lagres i hjernen. Hukommelse er grundlaget for, at vores livshistorier kan forme os til unikke individer, men vores hjerne er ikke blot en neutral båndoptager, nogle oplevelser lagres et helt liv, hvorimod andre er glemt med det samme. Alt dette afgøres af proteiner i hjernen. 
På workshoppen vil du høre om, hvordan vi identificerer og beskriver de proteiner og gener, der bestemmer om oplevelser gemmes. Du vil lære, hvordan man afgør, om en mus kan huske, og vi vil høre om, hvordan hjernens molekyler opbevarer information.
 
Max deltagerantal: 30
Mødested: Aarhus Universitet, Bygning 1872, lokale 447, Universitetsbyen 81, 8000 Aarhus C 

Workshop 2: Byg din egen nano-solcelle (iNANO) v/Lise Refstrup LInnebjerg Pedersen
Grätzel-cellen er en type solcelle, som er baseret på planters fotosyntese, og måske kan den fungere som et billigt og mere fleksibelt alternativ til traditionelle Si-baserede solceller. På workshoppen skal I selv bygge solceller ved hjælp af dagligdagsmaterialer som termoglas, grafit, bærsaft og TiO2-nanopartikler, som bruges som hvidt farvestof i en lang række kommercielle produkter. Herefter testes og karakteriseres solcellerne.

Max deltagerantal: 20
Mødested: Aarhus Universitet, iNANO: Bygningen 1593, Lokale 120

Workshop 3: Bayesian statistik, Institut for Matematik v/Louise Kobek Thorsen
Bayesian statistik er en tilgang til statistisk inferens, der er baseret på Bayes teorem.
Bayes teorem er en sætning relateret til betinget sandsynlighedsteori. I modsætning til traditionel klassisk statistik, frequentist statistik, som udelukkende bygger på observeret data, fokuserer Bayesian statistik på at opdatere vores viden om parametrene i en model ved hjælp af både data og vores tidligere tro eller viden. Dette betyder også, at man ender med at have "subjektive"- eller "fordomsfulde" sandsynligheder. Bayes teorem tillader os at opdatere vores antagelser om en parameter ved at kombinere vores forhåndsopfattelse (prior) med den information, der er indeholdt i de observerede data, for at opnå en opdateret forståelse af parameteren (posterior). Hertil er det også relevant at vide, hvordan man smart definerer ens prior antagelse, så vi får en så brugbar posterior fordeling som muligt. Selve beregningerne af en posterior fordeling kan også i visse tilfælde være besværlig at beregne, derfor vil vi komme ind på muligheder for at estimere resultater, der vil konvergere mod den ønskede posterior fordeling. I forhold til anvendelser vil vi blandt andet prøve at se, hvordan Bayesian statistik kan bruges inden for sundhedsdata.
I vil også selv få mulighed for at se på lidt data, så I skal medbringe en computer, papir og noget at skrive med.

Max deltagerantal: 30
Mødested:
Forberedelse: Læs kapitel 1.2 i følgende online bog: https://www.probabilitycourse.com/chapter1/1_2_0_review_set_theory.php
Medbring: Computer, papir, noget at skrive med
 
Workshop 4: Design med Machine Learning v/Malene Bisgaard Blaabjerg
Med Machine Learning er det ikke længere nødvendigt at fortælle computeren, hvordan den skal udføre en opgave. I stedet kan vi træne modeller til at kunne udføre forskellige opgaver ved at vise computeren eksempler for "god opførsel". Det kan for eksempel være svært at beskrive forskellen på billeder af katte og hunde til en computer, men ved at vise den eksempler af begge kan computeren selv bygge en model, der kan kende forskel. Det giver helt nye muligheder for, hvordan computere kan interagere i vores verden og med os. Ved at bearbejde store datamængder begynder computere at kunne analysere og navigere i vores fysiske verden (selvkørende biler, ansigtsgenkendelse), at kunne kommunikere med os i vores hverdag (taleassistenter, AI-kalendersekretærer, chat-bots) og forstå os som personer (målrettede reklamer, Netflixs tilpassede indhold, mobile notifikationer).
I denne workshop, vil I blive introduceret til Machine Learning og undersøge, hvilke muligheder det giver for nye produkter og interaktioner mellem computere og mennesker. I skal selv træne en model til at genkende bevægelser og gestik i en design case, hvor I skal lave en prototype på jeres eget Machine Learning-produkt.

Max deltagerantal: 30
Mødested:
Medbring: Computer

Formål:
Seminar F: Fordybelsesworkshops på Natural Sciences (naturvidenskab) og på Technical Sciences (ingeniørvidenskab) har blandt andet til formål at give konkrete indblik i de naturvidenskabelige og ingeniørvidenskabelige discipliner med afsæt i konkrete cases og herunder at vise nogle af de konkrete metoder, som de forskellige discipliner bringer i anvendelse.

Generelt om fordybelsesseminarerne:
Fordybelsesseminarerne er struktureret således, at der er 8 seminarer, som I skal vælge 3 af. 
Der vil være to fordybelsesseminarer på Natural Sciences (naturvidenskab) og Technical Sciences (ingeniørvidenskab), hvor I skal vælge mellem en række workshops. Både VIA University College, Faculty of ARTS (humaniora) og Aarhus BSS (samfundsvidenskab) udbyder to fordybelsesseminarer i henholdsvis Aarhus og Herning. 

Vi anbefaler meget, at I ikke lader geografi, men interesse afgøre jeres valg mellem de forskellige muligheder.

Som udgangspunkt skal I vælge 3 ud af de 8 seminarer, men når vi har set fordelingen, vil der være god mulighed for, at I kan vælge flere seminarer ved at skrive til info@atumidt.dk