Examensarbete för masterexamen i datavetenskap (generell och inriktning datalogi), 30 hp

Innehåll

Examensarbetet ska utföras under sista terminen av en masterutbildning med Datavetenskap som huvudområde i examen, antingen generell examen eller med inriktning mot datalogi.

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)

Studenten utför examensarbetet som ett självständigt arbete, antingen inom ramen för ett forskningsprojekt vid universitetet eller 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 studentens arbete till existerande vetenskapliga resultat och dokumenteras, tillsammans med det övriga examensarbetet, i en vetenskaplig rapport.

Modul 2. Presentation (2 hp)

Studenten presenterar arbetet i form av en vetenskaplig rapport samt muntligt i form av ett offentligt seminariem. Studenten ska även förbereda en opposition och genomföra denna på ett annat examensarbete. Under kursen kommer studenten att kommunicera kring arbetet både muntligt och skriftligt på engelska.

Förväntade studieresultat

Kunskap och förståelse
Efter avklarad kurs ska studenten kunna:

• (FSR 1) visa väsentligt fördjupade kunskaper inom minst ett datavetenskapligt område

Färdighet och förmåga
Efter avslutad kurs ska studenten kunna:

• (FSR 2) visa förmåga att kritiskt, självständigt och kreativt identifiera och formulera komplexa frågeställningar
• (FSR 3) visa förmåga att planera och med adekvata metoder genomföra kvalificerade uppgifter inom givna tidsramar
• (FSR 4) visa förmåga att planera och med adekvata metoder genomföra kvalificerade uppgifter inom givna ramar samt 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 exempelvis 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 relevanta vetenskapliga, samhälleliga och etiska aspekter.

Behörighetskrav

En kandidatexamen (180 hp) samt kurser på avancerad nivå omfattande minst 60 hp. Minst 30 hp av de 60 hp på avancerad nivå ska inkludera följande kurser (var och en 7,5 hp): ”Effektiva algoritmer”, ”Databassystem och tillämpningar”, ”Artificiell intelligens – metoder och tillämpningar”, samt ”Student Conference in Computing Science”.

För att kunna ansöka om masterexamen med inriktning mot datalogi krävs även kursen ”Beräkningskomplexitet” (7,5 hp).

Engelska för grundläggande behörighet för högskolestudier.

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 läsa in sig på ett annat examensarbete och 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).

På kursen som helhet ges något av betygen Underkänd (U), Godkänd (G) eller Väl Godkänd (VG). Betyget på hela kursen bestäms av betyget på Modul 2.

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.