Hoppa direkt till innehållet
printicon
Huvudmenyn dold.
Kursplan:

Examensarbete för magisterexamen i datavetenskap med inriktning artificiell intelligens, 15 hp

Engelskt namn: Degree Project: Master of Science (one year) in Computing Science with specialization artificial intelligence

Denna kursplan gäller: 2021-09-06 och tillsvidare

Kurskod: 5DV215

Högskolepoäng: 15

Utbildningsnivå: Avancerad nivå

Huvudområden och successiv fördjupning: Datavetenskap: Avancerad nivå, innehåller examensarbete för magisterexamen

Betygsskala: För denna kurs ges betygen VG Väl godkänd, G Godkänd, U Underkänd

Ansvarig institution: Institutionen för datavetenskap

Beslutad av: Teknisk-naturvetenskapliga fakultetsnämnden, 2021-10-25

Innehåll

Studenten tränar sin förmåga att specificera, planera, genomföra och redovisa ett självständigt arbete. Genom sitt arbete integrerar studenten sin tidigare kunskap och fördjupar sig inom minst ett datavetenskapligt område av Artificiell intelligens. Resultatet av arbetet presenteras på engelska såväl muntligt som skriftligt.

Kursen är uppdelad i två moduler.

Modul 1. Självständigt arbete (14 hp)
Studenten utför examensarbetet som ett självständigt arbete, antingen inom ramen för ett forskningsprojekt vid universitetet eller ett utvecklingsprojekt i industrin. Arbetet ska handla om någon form av problemlösning och leda till ny kunskap. Det får därför inte enbart bestå av rutinmässig programmering. Arbetet måste också leda till ämnesmässig fördjupning i förhållande till någon avlagd kurs på avancerad nivå och ska relatera till aktuell forskning. Fördjupningen ska göras inom minst ett datavetenskapligt område av Artificiell intelligens och vara relevant för det självständiga arbetet.

Modul 2. Presentation (1 hp)
Studenten presenterar arbetet skriftligt i form av en vetenskaplig rapport samt muntligt i form av ett offentligt seminarium. Studenten opponerar själv på ett annat arbete.

Förväntade studieresultat

Kunskap och förståelse
Efter avslutad kurs ska studenten kunna:
  • (FSR 1) visa fördjupade kunskaper inom minst ett datavetenskapligt område av Artificiell intelligens
Färdighet och förmåga
Efter avslutad kurs ska studenten kunna:
  • (FSR 2) kritiskt och självständigt identifiera och formulera en frågeställning
  • (FSR 3) planera och med adekvata metoder genomföra kvalificerade uppgifter inom givna tidsramar
  • (FSR 4) kritiskt och systematiskt integrera kunskap
  • (FSR 5) tydligt argumentera för sina slutsatser, såväl muntligt som skriftligt
  • (FSR 6) självständigt söka efter information och värdera informationens relevans för frågeställningen
Värderingsförmåga och förhållningssätt
Efter avslutad kurs ska studenten kunna:
  • (FSR 7) värdera examensarbeten utifrån relevanta vetenskapliga, samhälleliga och etiska aspekter

Behörighetskrav

För tillträde till kursen krävs en avlagd kandidatexamen samt kurser totalt omfattande 30 hp på avancerad nivå varav minst 15 hp ska vara inom området Datavetenskap.  Följande fem kurser (eller motsvarande) måste ingå:
- Artificiell intelligens - grunderna (5DV124),
- Artificiell intelligens - metoder och tillämpningar (5DV181),
- Maskininlärning (5DV194),
- Design av interaktiva AI-system (5DV211),
- samt antingen Grundläggande logik och modellteori (5DV102), eller Statistik för teknologer (5MS069).
Beroende på examensarbetets inriktning kan särskilda förkunskaper krävas. Engelska A och svenska för grundläggande behörighet för högskolestudier om utbildningen ges på svenska.

Undervisningens upplägg

Undervisningen består av självständigt arbete med individuell handledning av en handledare som institutionen utser. Studenten ansvarar för att upprätthålla regelbunden kontakt med handledaren och hushålla med dennes resurser. Om arbetet utförs hos en extern part, så utser även den externa parten en handledare.

Examination

Examination av Modul 1. Självständigt arbete
Modulen omfattar FSR 2, 3, 6. Modulen använder betygsskalan Underkänd (U), Godkänd (G). Bedömningen görs genom en löpande examination bestående av en skriftlig projektplan som lämnas in i anslutning till planeringen av arbetet och en skriftlig projektdagbok som förs löpande under arbetets gång. Genom en löpande bedömning utifrån dessa underlag avgör examinator om studenten uppnått modulens förväntade studieresultat eller inte.

Examination av Modul 2. Presentation
Modulen omfattar FSR 1, 4, 5, 7. Modulen använder betygsskalan Underkänd (U), Godkänd (G), Väl Godkänd (VG). Bedömningen görs genom en kombination av tre prov:
  • En muntlig och skriftlig opponering på ett annat arbete.
  • En muntlig presentation av det egna arbetet.
  • En skriftlig rapport av det egna arbetet och den ämnesmässiga fördjupningen.
Betyg på kursen
Kursen använder betygsskalan Underkänd (U), Godkänd (G), Väl Godkänd (VG). När båda modulerna är godkända blir betyget på kursen samma som betyget på Modul 2. Om någon modul inte är avklarad efter genomgången kurs ges betyget U på kursen.

Stöd på grund av funktionsnedsättning
Avsteg från kursplanens examinationsform kan göras för en student som har beslut om pedagogiskt stöd på grund av funktionsnedsättning. Individuell anpassning av examinationsformen ska övervägas utifrån studentens behov. Examinationsformen anpassas inom ramen för kursplanens förväntade studieresultat. Efter begäran av studenten ska kursansvarig lärare, i samråd med examinator, skyndsamt besluta om anpassad examinationsform. Beslutet ska sedan meddelas studenten.

Byte av examinator
En student som utan godkänt resultat har genomgått två prov för en kurs eller en del av en kurs, har rätt att få en annan examinator utsedd, om inte särskilda skäl talar emot det (HF 6 kap. 22 §). Begäran om ny examinator ställs till prefekten för Institutionen för datavetenskap.

Övriga föreskrifter

En student kan ansöka om (men inte kräva) extra handledningstid efter kursens slut. Ansökan skickas till studierektor vid Institutionen för datavetenskap.

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.

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.

Litteratur

Giltig från: 2021 vecka 36

Ingen förutbestämd kurslitteratur.