Examensarbete för masterexamen i datavetenskap (inriktning Robotik och reglerteknik), 30 hp

Innehåll

Kursen innehåller ett examensarbete för masterexamen i huvudområdet datavetenskap med inriktning mot robotik och reglerteknik och ingår i Masterprogrammet i robotik och reglerteknik.

Under kursen tränas studentens förmåga att specificera, planera, genomföra och redovisa ett självständigt arbete. Studenten tillämpar sina under utbildningen förvärvade kunskaper och fördjupar sig inom minst ett specifikt delområde. Genom arbetet får studenten kontakt med forskning och utvecklingsarbete i ämnet. Resultaten presenteras muntligt och skriftligt.

Modul 1. Självständigt arbete (28 hp)
Examensarbetet utförs som ett självständigt arbete antingen inom ett forskningsprojekt vid universitetet eller som utvecklingsprojekt i industrin. Examensarbetet måste erbjuda någon form av problemlösning i vid mening, och innebära ämnesmässig fördjupning i förhållande till kurser som studenten tidigare läst. Arbetet får inte enbart bestå av rutinmässig programmering. Fördjupningen ska relatera det arbete studenten gör till existerande vetenskapliga ståndpunkter och resultat samt dokumenteras i en vetenskaplig rapport tillsammans med det övriga arbetet. Examensarbetet presenteras i en vetenskaplig rapport.

Modul 2. Presentation (2 hp)
Examensarbetet presenteras muntligt i disputationsform. Studenten ska även förbereda och genomföra en opposition på en annan students examensarbete.

Förväntade studieresultat

Kunskap och förståelse
Efter avklarad kurs ska studenten kunna:

• (FSR 1) visa väsentligt fördjupade kunskaper inom området robotik

Färdighet och förmåga
Efter avslutad kurs ska studenten kunna:

• (FSR 2) visa förmåga att kritiskt, självständigt och kreativt identifiera och formulera komplexa frågeställningar inom området robotik
• (FSR 3) visa förmåga att planera och med adekvata metoder genomföra kvalificerade uppgifter inom givna ramar
• (FSR 4) visa förmåga att delta i forsknings- eller utvecklingsarbete och därigenom bidra till kunskapsutvecklingen
• (FSR 5) visa förmåga att muntligt och skriftligt klart redogöra för och diskutera sina slutsatser och den kunskap och de argument som ligger till grund för dessa i dialog med forskare och mastrar inom området samt lekmän
• (FSR 6) kommunicera kring arbetet muntligt och skriftligt på engelska
• (FSR 7) visa förmåga att kritiskt och systematiskt integrera kunskap förvärvad i centrala och kvalificerade kurser under utbildningen och att söka, analysera, syntetisera och kritiskt granska vetenskaplig litteratur som är relevant för problemställningen

Värderingsförmåga och förhållningssätt
Efter avslutad kurs ska studenten kunna:

• (FSR 8) visa förmåga att systematiskt och kritiskt granska eget och andras arbeten med hänsyn till för området robotik relevanta vetenskapliga, samhälleliga och etiska aspekter.

Behörighetskrav

För behörighet krävs att studenten är antagen till ”Masterprogrammet i robotik och reglerteknik” samt avklarat kurser inom programmet omfattande minst 60 hp på avancerad nivå inriktade mot robotik och reglerteknik. Minst 30 hp av kurserna på avancerad nivå ska tillhöra huvudområdet datavetenskap. Följande kurser krävs: Antingen ”Student Conference in Computing Science” eller ”Studentkonferens i elektronik och mekatronik”; ”Människocentrerad artificiell intelligens” samt antingen ”Mobil robotik” eller ”Artificiell intelligens - metoder och tillämpningar”.

Undervisningens upplägg

Undervisningen består av individuell handledning. En handledare inom institutionen utses för varje student, med vilken fortlöpande kontakt ska uppehållas. Studenten ska hushålla med den tillgängliga handledningsresursen. Ytterligare en handledare utses av uppdragsgivaren vid externa examensarbeten. Utöver handledning ska studenten självständigt identifiera, söka, värdera samt sammanfatta informationskällor i syfte att ge en vetenskaplig bakgrund till det utförda arbetet. Studenten ska självständigt planera och genomföra arbetet inom givna tidsramar samt redovisa det både muntligt och skriftligt. Studenten ska också granska ett annat examensarbete och både skriftligt och muntligt opponera på detta.

Examination

Modul 1, självständigt arbete, examineras genom följande obligatoriska moment:

• En skriftlig projektplan, och
• en skriftlig slutrapport.

För högre betyg (VG) ingår även följande moment:

• Skriftliga delrapporter (milestones).

På modulen ges något av betygen Underkänd (U), Godkänd (G) eller Väl Godkänd (VG).

Modul 2, presentation, examineras genom följande obligatoriska moment:

• En muntlig presentation, och
• en skriftlig och muntlig opponering.

På modulen ges något av betygen Underkänd (U) eller Godkänd (G).

Kursen som helhet använder betygsskalan Underkänd (U), Godkänd (G) eller Väl Godkänd (VG) och kursbetyget bestäms av betyget på Modul 1, självständigt arbete.

Anpassad examination

För student som har beslut om rekommenderat stöd på grund av funktionsnedsättning kan Examinator besluta om avsteg från kursplanens examinationsform. Individuell anpassning av examinationsformen ska övervägas utifrån studentens behov och kursens förväntade studieresultat. För mer information se Handläggningsordning för stöd till studenter med funktionsnedsättning samt Regel för betyg och examination.

Övriga föreskrifter

I en examen får denna kurs ej ingå, helt eller delvis, samtidigt med en annan kurs med likartat innehåll. Vid tveksamheter bör den studerande rådfråga studievägledare vid Institutionen för datavetenskap och/eller programansvarig för sitt program.

Övergångsbestämmelser

Om kursplanen har upphört att gälla eller kursen slutat erbjudas garanteras en student som någon gång registrerats på kursen minst tre provtillfällen (inklusive ordinarie provtillfälle) enligt denna kursplan under en tid av maximalt två år från det att kursplanen upphört att gälla eller kursen slutat erbjudas.