Studentarrangementer - Side 13

Tid og stad: 17. des. 2019 10:15, Kristian Birkelands auditorium, Fysikkbygningen

"Immunogenic calreticulin signaling in lung and glioblastoma cancer cells after x-ray and proton irradiation - Protocol development and optimization"

Tid og stad: 17. des. 2019 09:30, Rom Ø397, Fysikkbygningen

"Studies of Quantum Dots using Machine Learning"

Tid og stad: 17. des. 2019 09:30, Auditorium 4, Kjemibygningen

"SAPO-11 as a catalyst for the production of chemicals from methanol"

Tid og stad: 16. des. 2019 09:15, Lille fysiske auditorium, Fysikkbygningen

"Latent Variable Machine Learning Algorithms: Applications in a Nuclear Physics Experiment"

Tid og stad: 13. des. 2019 10:00, Auditorium4, Kjemibygningen

"Synthesis of Novel Phenanthridin-8-ol Derivatives Functionalized in the A- and C-rings by Means of a Microwave-mediated Intramolecular Diels-Alder Cycloaddition on Furan (IMDAF) Reaction"

Tid og stad: 3. des. 2019 10:1510:45, Skolestua (room 114), the Geology building, University of Oslo

Accumulation of microplastic in fjord sediments - the Bunnefjord, inner Oslofjord, Norway

Tid og stad: 3. des. 2019 10:0010:30, Room 102 (Mellomrommet), Geology building, University of Oslo

Automatic procedures for mapping glacier velocity from repeat-pass SAR – example of southern Svalbard

Tid og stad: 2. des. 2019 10:15, Undervisningsrom 1119




Tid og stad: 28. nov. 2019 11:00, Lille fysiske auditorium, Fysikkbygningen

"A Practical Approach to Compare Time Domain and Frequency Domain Bioimpedance Measurements"

Tid og stad: 28. nov. 2019 10:3012:00, Rom 450, Gydas vei 8

Tittel: Feil og avvik ved legemiddelhåndtering av smertestillende legemidler i sykehus

Tid og stad: 21. nov. 2019 11:00, Seminarrom Avogadro (BL23MU13), Kjemibygningen

"On-line “Organ-in-a-Column” Liquid Chromatography Electrospray Ionization Mass Spectrometry for Drug Metabolism Studies"

Tid og stad: 18. nov. 2019 12:30, Rom Ø397, Fysikkbygningen

"MRI based detection of time-of-day variation in white matter microstructure - are more complex diffusion models better?"

Tid og stad: 15. nov. 2019 14:1520:00, Ole Johan Dahls hus

Seminar for studenter i in1000. Det blir eksamensforberedende gruppeprosjekt og pizza!

Tid og stad: 13. nov. 2019 11:0011:30, Skolestua (room 114), the Geology building, University of Oslo

Structures and age at the tectonic contact between the Kvitenut and Revseggi nappes, Hardanger-Ryfylke Nappe Complex

Tid og stad: 5. nov. 2019 10:15, Auditorium 4, Kjemibygningen

"PV Installation System: Analysis of Performance and Degradation Mechanisms"

Tid og stad: 25. okt. 2019 10:0015:45, "Abels utsikt", 12. etasje, Niels Henrik Abels hus

The course focuses on raising awareness about and mapping your competency.  Recently graduated PhD students will also share experiences of their own career paths. 

En unødvendig illustrasjon.
Tid og stad: 22. okt. 2019 16:1517:30, Store fysiske autitorium

The 1st of December is getting closer, and we invite you to this information meeting to explain what is expected of you and how to do it.

Tid og stad: 16. okt. 2019 14:00, Rom Ø397, Fysikkbygningen

"Industrial Multi-step Time Series Forecasting with Machine Learning Methods"

Tid og stad: 14. okt. 2019 13:3015:00, Rom 298B

Tittel: AQP4 Expression and Distribution in Mice With Heterozygous Targeted Deletion of Aqp4

Tid og stad: 11. okt. 2019 10:30, Lille fysiske auditorium, Fysikkbygningen

"Coulomb excitation of neutron-deficient 140Sm"

Tid og stad: 27. sep. 2019 11:15, Lille fysiske auditorium, Fysikkbygningen

"Decameter scale irregularities in the polar ionosphere"

Tid og stad: 26. sep. 2019 09:15, Styrerommet, Ole Johan Dahls hus rom 4118

Offset Correction for Swept Threshold Ultra-Wide-Band Sampling

Tid og stad: 24. sep. 2019 10:00, Rom Ø397, Fysikkbygningen

Real-time quantum many-body dynamics

Tid og stad: 23. sep. 2019 13:45, Rom Ø397, Fysikkbygningen

AQUADUCT Ab Initio Quantum Dynamics Using Coupled Cluster in Time

Tid og stad: 23. sep. 2019 10:00, Rom Ø397, Fysikkbygningen

Learning Correlations in Quantum Mechanics with Neural Networks