"False"
Hoppa direkt till innehållet
printicon
Huvudmenyn dold.
Utbildningsplan:

Masterprogrammet i artificiell intelligens, 120 hp

Engelskt namn: Master's Programme in Artificial Intelligence

Denna utbildningsplan gäller: HT24 och fram till VT25 (nyare version av utbildningsplanen finns)

Programkod: TAAIM

Högskolepoäng: 120

Diarienummer: FS 3.1.3-360-19

Ansvarig fakultet: Teknisk-Naturvetenskapliga fakulteten

Beslutad av: Teknisk-naturvetenskapliga fakultetsnämnden, 2019-07-02

Reviderad av: Teknisk-naturvetenskapliga fakultetsnämnden, 2024-02-28

Behörighetskrav

Examen på grundnivå som omfattar minst 180 högskolepoäng eller motsvarande utländsk examen. Särskilda förkunskapskrav är minst 90 avklarade högskolepoäng inom området datavetenskap, eller minst 90 avklarade högskolepoäng inom området kognitionsvetenskap, eller minst 90 avklarade högskolepoäng inom området matematik eller matematisk statistik, eller motsvarande. Minst 30 högskolepoäng ska vara i ämnet datavetenskap och inkludera kurser inom programmeringsmetodik, datastrukturer och algoritmer. Minst 22,5 högskolepoäng ska vara i ämnet matematik inkluderande kurser inom analys, linjär algebra. Minst en kurs ska vara i antingen logik eller matematisk statistik. Engelska 6 eller Engelska B.

Examen

Efter genomgånget utbildningsprogram om 60 högskolepoäng kan studenten efter ansökan erhålla en teknologie magisterexamen i datavetenskap (eng. Degree of Master of Science, 60 credits), antingen generell eller med inriktning mot artificiell intelligens.
 
Efter genomgånget utbildningsprogram om 120 högskolepoäng kan studenten efter ansökan erhålla antingen en teknologie masterexamen i datavetenskap, generell eller med inriktning mot artificiell intelligens, eller en filosofie masterexamen i matematisk statistik. Båda översätts till engelska som "Degree of Master of Science, 120 credits".
 
Samtliga examina ovan ska erhållas i enlighet med lokal examensbeskrivning fastställd av rektor, se https://www.umu.se/student/mina-studier/examen/krav-och-huvudomraden/examensbeskrivningar/

Beskrivning av utbildningen på aktuell nivå

Utbildningen är på avancerad nivå. Målen för utbildning på avancerad nivå återfinns i högskolelagen 1 kap. 9 §.

Utbildning på avancerad nivå skall innebära fördjupning av kunskaper, färdigheter och förmågor i förhållande till utbildning på grundnivå och skall, utöver vad som gäller för utbildning på grundnivå

  • ytterligare utveckla studenternas förmåga att självständigt integrera och använda kunskaper,
  • utveckla studenternas förmåga att hantera komplexa företeelser, frågeställningar och situationer, och
  • utveckla studenternas förutsättningar för yrkesverksamhet som ställer stora krav på självständighet eller för forsknings- och utvecklingsarbete.

Nationella mål för aktuell examen

De nationella målen för examen återfinns i Högskoleförordningens bilaga 2.

Magisterexamen 

Kunskap och förståelse
För magisterexamen skall studenten

  • Visa kunskap och förståelse inom huvudområdet för utbildningen, inbegripet såväl överblick över området som fördjupade kunskaper inom vissa delar av området samt insikt i aktuellt forsknings- och utvecklingsarbete, och
  • Visa fördjupad metodkunskap inom huvudområdet för utbildningen. 

Färdighet och förmåga
För magisterexamen skall studenten

  • Visa förmåga att integrera kunskap och att analysera, bedöma och hantera komplexa företeelser, frågeställningar och situationer även med begränsad information,
  • Visa förmåga att självständigt identifiera och formulera frågeställningar samt att planera och med adekvata metoder genomföra kvalificerade uppgifter inom givna tidsramar,
  • 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 olika grupper, och
  • Visa sådan färdighet som fordras för att delta i forsknings- och utvecklingsarbete eller för att arbeta i annan kvalificerad verksamhet. 

Värderingsförmåga och förhållningssätt
För magisterexamen skall studenten

  • Visa förmåga att inom huvudområdet för utbildningen göra bedömningar med hänsyn till relevanta vetenskapliga, samhälleliga och etiska aspekter samt visa medvetenhet om etiska aspekter på forsknings- och utvecklingsarbete,
  • Visa insikt om vetenskapens möjligheter och begränsningar, dess roll i samhället och människors ansvar för hur den används, och
  • Visa förmåga att identifiera sitt behov av ytterligare kunskap och att ta ansvar för sin kunskapsutveckling. 

 
Masterexamen 

Kunskap och förståelse
För masterexamen skall studenten

  • Visa kunskap och förståelse inom huvudområdet för utbildningen, inbegripet såväl brett kunnande inom området som väsentligt fördjupade kunskaper inom vissa delar av området samt fördjupad insikt i aktuellt forsknings och utvecklingsarbete, och
  • Visa fördjupad metodkunskap inom huvudområdet för utbildningen. 

Färdighet och förmåga
För masterexamen skall studenten

  • Visa förmåga att kritiskt och systematiskt integrera kunskap och att analysera, bedöma och hantera komplexa företeelser, frågeställningar och situationer även med begränsad information,
  • Visa förmåga att kritiskt, självständigt och kreativt identifiera och formulera frågeställningar, att planera och med adekvata metoder genomföra kvalificerade uppgifter inom givna tidsramar och därigenom bidra till kunskapsutvecklingen samt att utvärdera detta arbete,
  • Visa förmåga att i såväl nationella som internationella sammanhang 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 olika grupper, och
  • Visa sådan färdighet som fordras för att delta i forsknings- och utvecklingsarbete eller för att självständigt arbeta i annan kvalificerad verksamhet. 

Värderingsförmåga och förhållningssätt
För masterexamen skall studenten

  • Visa förmåga att inom huvudområdet för utbildningen göra bedömningar med hänsyn till relevanta vetenskapliga, samhälleliga och etiska aspekter samt visa medvetenhet om etiska aspekter på forsknings- och utvecklingsarbete,
  • Visa insikt om vetenskapens möjligheter och begränsningar, dess roll i samhället och människors ansvar för hur den används, och
  • Visa förmåga att identifiera sitt behov av ytterligare kunskap och att ta ansvar för sin kunskapsutveckling. 

Lokala mål för aktuell examen

Magisterexamen 
För att erhålla teknologie magisterexamen i datavetenskap med inriktning mot artificiell intelligens skall studenten kunna:

  • tillgodogöra sig nya forskningsresultat och delta i utvecklingsarbete inom artificiell intelligens,
  • förstå på en abstrakt nivå en bredd av problem i artificiell intelligens, och hur dessa är relaterade,
  • förstå, förklara och använda de teorier, metoder och praktiska färdigheter som krävs för att kreativt bidra till att lösa problem inom artificiell intelligens utifrån en praktisk tillämpning,
  • skapa mjukvara och design av informationssystem för artificiell intelligens,
  • samarbeta i interdisciplinära team, samt
  • förstå, förklara hur, samt medverka till att integrationen av artificiell intelligens i samhällets verksamheter görs med hänsyn till ekonomiska och legala aspekter på ett etiskt och ansvarsfullt sätt. 

Masterexamen
För att erhålla teknologie masterexamen i datavetenskap med inriktning mot artificiell intelligens skall studenten kunna:

  • tillgodogöra sig nya forskningsresultat och delta i avancerat utvecklingsarbete inom artificiell intelligens,
  • förstå och formulera på en abstrakt nivå en bredd av forskningsproblem i artificiell intelligens, och hur dessa är relaterade,
  • förstå, förklara och använda de teorier, metoder och praktiska färdigheter som krävs för att kreativt bidra till att lösa forskningsproblem inom artificiell intelligens utifrån en praktisk tillämpning,
  • skapa innovativ mjukvara och design av informationssystem för artificiell intelligens,
  • samarbeta i interdisciplinära team, samt
  • förstå, förklara hur, samt medverka till att integrationen av artificiell intelligens i samhällets verksamheter görs med hänsyn till ekonomiska och legala aspekter på ett etiskt och ansvarsfullt sätt.

Examinationsformer

Utbildningens kurser har en stor variation i både undervisnings- och examinationsformer. Istället för summativa bedömningar fokuserar vi på mer formativa bedömningar där studenter är med och påverkar hur de sker och studentaktiva inslag som seminarier och projektarbeten. I respektive kursplan framgår vilka examinationsformer som används i varje enskild kurs.

Betyg

I respektive kursplan framgår vilka betygsgrader som används inom kursen.

Tillgodoräknande

En student som anser sig ha kunskaper från tidigare relevanta studier eller yrkeserfarenheter som kan motsvara kurs eller del av kurs i programmet, kan ansöka om tillgodoräknande. Ett beviljat tillgodoräknande innebär att studenten inte behöver läsa den eller de delar av utbildningen som beslutet omfattar. Information om tillgodoräknande hittas på Umeå universitets hemsida.
https://www.umu.se/student/mina-studier/tillgodoraknande/

Allmänt

Utbildningsprogrammet omfattar totalt 120 högskolepoäng (hp), varav 30 hp utgörs av ett självständigt examensarbete. Programmet innehåller obligatoriska kurser, valbara kurser samt fria kurser. Under den första delen av programmet läses programmets obligatoriska kurser som ger en gemensam kunskapsbas inom artificiell intelligens (AI). Många kurser består av laborationsarbete där studenten får arbeta med problem relaterade till AI, ofta i samverkan med industri eller offentlig verksamhet. Utbildningen avslutas med ett examensarbete under termin fyra.

Programmet leder till flera möjliga examina. Om man siktar mot en teknologie masterexamen i datavetenskap med inriktning mot Artificiell intelligens väljer man kurser som spänner över olika delområden inom artificiell intelligens. Förutsatt att behörighetskraven gällande kurser i datavetenskap uppfylls kan man istället välja att ta examen i datavetenskap utan inriktning mot artificiell intelligens. Om man siktar mot en filosofie masterexamen i Matematisk statistik väljer man kurserna inom delområdet Data Science. Notera att det inte är möjligt att ta en filosofie magisterexamen i Matematisk statistik. Valbara kurser kan väljas förutsatt att förkunskapskraven för respektive kurs är uppnådda och att kurs med motsvarande innehåll inte ingått i kandidatexamen.
 
Under rubriken "Studieplan" framgår de kurser som ingår i programmet i den ordning de läses. Ordningsföljden på kurserna kan emellertid komma att ändras. Val av valbara/fria kurser görs i samråd med programansvarig. Information om hur de enskilda kurserna är upplagda finns i de olika kursplanerna.

Obligatoriska kurser för båda huvudområdena (Datavetenskap och Matematisk statistik)
Obligatoriska kurser är de kurser som alla studenter inom programmet normalt läser. En student som följer utbildningsprogrammet är garanterad plats på alla obligatoriska kurser under förutsättning att behörighetskraven för aktuell kurs är uppfyllda. Behörighetskrav anges i respektive kursplan. Kurserna ger också grundkunskaper för programmets fördjupningsprofiler. Samtliga kurser som anges i denna utbildningsplan ligger på avancerad nivå om inte annat anges.

  • Grundläggande logik och modellteori 7,5 hp eller Statistik för teknologer, 7,5 hp (studenten läser logik om den har statistik i sin kandidatexamen och statistik om den har logik i sin kandidatexamen). Dessa är grundläggande kurser. Om en student redan har tagit båda dessa kurser eller motsvarande i sin kandidatexamen erbjuds en alternativ kurs.
  • Artificiell intelligens, 7,5 hp. Detta är en grundläggande kurs. Om en student redan tagit denna kurs eller motsvarande i sin kandidatexamen erbjuds en alternativ kurs.
  • Artificiell intelligens - metoder och tillämpningar, 7,5 h
  • Design av interaktiva AI-system, 7,5 hp
  • Datasekretess, 7,5 hp

Obligatoriska kurser för Datavetenskap
Om man siktar mot en examen i datavetenskap ska man utöver kurserna ovan också läsa nedanstående kurser.

  • Maskininlärning, 7,5 hp
  • Examensarbete för masterexamen i datavetenskap (inriktning Artificiell Intelligens), 30 hp

Obligatoriska kurser för Matematisk statistik
Om man siktar mot en examen i matematisk statistik ska man utöver de obligatoriska kurserna ovan också läsa nedanstående kurser.

  • Stokastiska modeller och simulering, 7,5 hp (grundnivå)
  • Bearbetning och visualisering av data, 7,5 hp
  • Försöksplanering och avancerad statistisk modellering, 15 hp
  • Multivariat dataanalys, 7,5 hp
  • Statistisk inlärning med högdimensionella data, 7,5 hp
  • Examensarbete för masterexamen i matematisk statistik, 30 hp

Valbara profilkurser
Inom programmet kan man välja att fördjupa sig inom olika profiler. Profilerna täcker AI-områdena Data Science, maskininlärning och social AI. Varje profil ger behörighet att examineras i antingen matematisk statistik (Data Science-profilen) eller datavetenskap med inriktning mot artificiell intelligens (övriga profiler). För att få påbörja examensarbetet inom datavetenskap krävs att man läst minst tre valbara profilkurser utöver de obligatoriska kurserna ovan.
 
"Social artificiell intelligens"
Denna profil ger kunskap om och praktisk erfarenhet inom social artificiell intelligens med fokus på Tillförlitlig AI. De valbara kurserna i denna profil introducerar olika grenar av artificiell intelligens, t.ex. Formella resonemang, Människa-AI-interaktion, Människomedveten planering, Autonoma system, Automatiserat beslutsfattande, Intelligent Robotik, Hybrida intelligenta system och AI-etik. Den angivna inriktningen är användbar i både industri- och forskarutbildningskurser och utbildningar. Denna profil ger behörighet att examineras i datavetenskap med inriktning mot artificiell intelligens.

  • Människa-AI-interaktion, 7,5 hp,
  • Formellt och kognitivt resonerande, 7,5 hp,
  • Människa-robotinteraktion, 7,5 hp
  • Kognitiv interaktionsdesign, 7,5 hp,
  • Mobil robotik, 7,5 hp
  • Individuellt projekt i Artificiell Intelligens, 7,5 hp.

"Maskininlärning"
Denna profil ger kunskaper om och praktisk erfarenhet av maskininlärningsmetoder som Bayesianska metoder, support vector machines, reinforcement learning, logistisk regression, djupinlärning och dess tillämpningar. Kunskapen behövs för att kunna applicera relevanta och effektiva maskininlärningslösningar för verkliga problem, exempelvis för textanalys, klassifikation, prediktion, bildanalys, mm., kunskaper som är användbara inom både industri och forskarstudier. Denna profil ger behörighet att examineras i datavetenskap med inriktning mot artificiell intelligens.

  • Människa-AI-interaktion, 7,5 hp,
  • Projektkurs i datorseende, 7,5 hp
  • Djup maskininlärning, 7,5 hp,
  • Språkteknologi, 7,5 hp,
  • Individuellt projekt i Artificiell Intelligens, 7,5 hp.
  • Mobil robotik, 7.5 hp

"Data Science"
Denna profil tar upp metoder för datahantering och statistisk analys av stora datamängder. Inom industrin finns många tillämpningar av kunskaper i data science där datamängder ska hanteras, exempelvis inom tillverkningsindustrin eller energisektorn. Denna profil ger behörighet att examineras i Matematisk statistik.

Valbara kurser
Valbara kurser är ett urval av kurser som Umeå universitet erbjuder inom ramen för programmet och där studenten själv väljer vilka av dessa kurser hen ska anmäla sig till. Studenten är garanterad plats på någon av dessa kurser under förutsättning att behörighetskraven för aktuella kurser är uppfyllda. Studenten är dock inte garanterad plats på de kurser studenten valt i första hand. Behörighetskrav anges i respektive kursplan. Kursutbudet av valbara kurser kan variera från år till år.
 
Datavetenskap

  • Beräkningskomplexitet, 7,5 hp.

Matematik och matematisk statistik

  • Diskret modellering, 7,5 hp,
  • Riskbaserad portfölj- och företagsstyrning, 15 hp,

Övriga ämnen

  • 'Design-Build-Test', projektkurs för ingenjörer, 15 hp,
  • Artificiell intelligens för verksamhetsutveckling, 15 hp.

Fria kurser
Fria kurser inom programmet söks i öppen konkurrens. Fria kurser kan läsas vid Umeå universitet eller andra lärosäten i Sverige eller utomlands.

Examensarbete/självständigt arbete
Examensarbetet avslutar utbildningen och får påbörjas när förkunskapskraven i kursplanen är uppfyllda. Programmet leder till flera möjliga examina, beroende på vilket spår man väljer under programmets gång (se översikt i tabell 1 och 2 i studieplanen). I examensarbetet som omfattar 30 högskolepoäng (alternativt 15 högskolepoäng för magisterexamen) skall den studerande tillämpa de kunskaper som förvärvats under studietiden och muntligen och i en skriftlig rapport/uppsats redovisa resultatet av arbetet. Arbetet ska innehålla någon form av ämnesmässig fördjupning inom området. Examensarbetet utförs normalt individuellt, men i enstaka fall är det också tillåtet att två studenter samarbetar med ett examensarbete.
Examensarbetet kan med fördel förläggas till näringslivet. En företagshandledare ska utses och denne utgör den dagliga kontakten och stödet för studenten under arbetets gång. En handledare vid universitetet ska alltid utses, som har ansvaret för att erforderlig ämnesfördjupning uppnås. Rapporten ska språkligt och stilistiskt utformas så att den kvalitetsmässigt motsvarar rapporter inom universitetet och industrin. Rapporten ska innehålla en engelsk sammanfattning, samt en engelsk översättning av titeln. Alternativt kan hela rapporten skrivas på engelska.

Anstånd med studiestart

Information om anstånd med studiestart finns på Umeå universitets hemsida.

Studieuppehåll

Information om studieuppehåll finns på Umeå universitets hemsida.

Studieavbrott

Information om studieavbrott finns på Umeå universitets hemsida.

Övrigt

Tillträde till kurserna i programmet regleras i kursplanerna. I examen skall, utöver det självständiga arbetet, ingå kurser i enlighet med de krav som listas i examensbeskrivningen.

Studieplan

Giltig från: HT24

Tabell 1. Översikt av möjliga inriktningar för ettårigt program med magisterexamen i datavetenskap med inriktning artificiell intelligens. Kurser i kursiv stil är exempel på valbara kurser, övriga kurser är obligatoriska.

År1 Magisterexamen i datavetenskap
med inriktning artificiell intelligens
LP1 5DV102 Grundläggande logik och modellteori, 7,5 hp eller 5MS069 Statistik för teknologer, 7,5 hp                  
5DV243 Artificiell intelligens, 7,5 hp
LP2 5DV245 Mäniska-AI-interaktion, 7,5 hp
5DV181 Artificiell intelligens - metoder och tillämpningar, 7,5 hp
LP3 5DV238 Maskininlärning, 7,5 hp
5DV211 Design av interaktiva AI-system, 7,5 hp
LP4 5DV215 Examensarbete för magisterexamen i datavetenskap med inriktning artificiell intelligens, 15 hp


Tabell 2. Översikt av möjliga inriktningar för tvåårigt program med masterexamen i datavetenskap med inriktning artificiell intelligens, alternativt masterexamen i matematisk statistik. Kurser i kursiv stil är exempel på valbara kurser, övriga kurser är obligatoriska

År1    Social AI Maskininlärning Data Science
LP1 5DV102 Grundläggande logik och modellteori, 7,5 hp eller 5MS069 Statistik för teknologer, 7,5 hp
5DV243 Artificiell intelligens, 7,5 hp
LP2 5DV245 Människa-AI-interaktion, 7,5 hp 5MS049 Stokastiska processer och simulering, 7,5 hp
5DV181 Artificiell intelligens - metoder och tillämpningar, 7,5 hp
LP3 5DV211 Design av interaktiva AI-system, 7,5 hp
5DV238 Maskininlärning, 7,5 hp 5DV217 Bearbetning och visualisering av data, 7,5 hp
LP4

5DV246 Formellt och kognitivt resonerande, 7,5 hp

5DV236 Djup maskininlärning, 7,5 hp 5MS071 Försöksplanering och avancerad statistisk modellering, 15 hp
5DV183 Människa-robot interaktion, 7,5 hp 5DV190 Projektkurs i datorseende, 7,5 hp
År2  
LP1

5DV188 Kognitiv interaktionsdesign, 7,5 hp

5DV218 Språkteknologi, 7,5 hp 5MS081 Multivariat dataanalys,7,5 hp
5DV241 Datasekretess, 7.5hp
LP2 5DV219 Individuellt projekt i Artificiell Intelligens, 7,5 hp 5MS084 Statistisk inlärning med högdimensionella data, 7,5 hp
5DV228, Mobil robotik, 7,5hp Valbar

LP3

LP4

5DV216 Examensarbete för masterexamen i datavetenskap med inriktning artificiell intelligens, 30 hp 5MS066 Examensarbete i matematisk statistik, 30 hp