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

Masterprogrammet i datavetenskap, 120 hp

Engelskt namn: Master's Programme in Computing Science

Denna utbildningsplan gäller: HT17 och fram till HT19 (nyare version av utbildningsplanen finns)

Programkod: TADAM

Högskolepoäng: 120

Diarienummer: FS 3.1.3-2164-16

Ansvarig fakultet: Teknisk-Naturvetenskapliga fakulteten

Beslutad av: teknisk-naturvetenskapliga fakultetsnämnden, 2013-06-13

Reviderad av: Teknisk-naturvetenskapliga fakultetsnämnden, 2016-12-07

Behörighetskrav

Kandidatexamen/ yrkesexamen om minst 180 högskolepoäng eller motsvarande utländsk examen samt a) minst 75 hp i ämnet datavetenskap och minst 22.5 hp i ämnet matematik inkluderande en kurs som förmedlar grundläggande logikkunskaper b) goda teoretiska kunskaper och praktiska färdigheter inom datastrukturer och algoritmer, programmering i olika programmeringsspråk såsom C++ och Java. Därtill krävs minst 7,5 hp i datavetenskapens teoretiska grunder. Enbart teoretiska eller enbart praktiska kunskaper i t.ex. programmering räcker inte till för att kunna läsa programmet. Engelska A/5 och svenska för grundläggande behörighet för högskolestudier om utbildningen ges på svenska.

Examen

Efter genomgånget utbildningsprogram kan studenten efter ansökan erhålla en teknologie masterexamen i enlighet med lokal examensbeskrivning fastställd av rektor, se http://www.student.umu.se/examen/bestammelser/examensbeskrivningar/
Teknologie masterexamen översätts på engelska till Degree of  Master of Science (120 credits). Examen utfärdas i huvudområdet datavetenskap (Computing Science) med inriktningen datalogi (Computer Science).

Beskrivning av utbildningen på aktuell nivå

HL 1 kap 9 § Utbildning på avancerad nivå skall väsentligen bygga på de kunskaper som studenterna får inom utbildning på grundnivå eller motsvarande kunskaper.

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

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

För masterexamen med huvudområde datavetenskap vid Umeå universitet skall studenten utöver de nationella målen kunna

• visa en god förståelse av de generella principer ämnet baseras på,
• redogöra för datavetenskapliga teorier och metoder,
• förstå och använda datavetenskapliga abstraktioner och modeller,
• självständigt identifiera och lösa problem genom att använda sig av lämpliga datavetenskapa tekniker, teorier och verktyg,
• identifiera, inhämta och använda ytterligare kunskaper som behövs för att lösa givna problem,
• visa väsentligt fördjupade färdigheter, förmågor och kunskaper i minst ett av ämnets delområden samt
• tillämpa ett vetenskapligt arbetssätt och analytiskt tänkande som utgångspunkt för planering och genomförande av ett större självständigt arbete.

Examinationsformer

Prov sker normalt i slutet av varje kurs, och är muntligt och/eller skriftligt. Det kan helt eller delvis ersättas av fortlöpande kunskapskontroll inom ramen för undervisningen, exempelvis i form av diskussionsseminarier, muntliga och/eller skriftliga rapporter etc.
Studerande som underkänts vid prov skall beredas tillfälle att delta i ytterligare prov enligt de regler som anges i kursplan. Studerande som två gånger underkänts i prov har rätt att inför förnyat prov hos institutionsstyrelse begära att annan lärare utses att bestämma betyg i förnyat prov.

Betyg

Betyg sätts för varje kurs och om kursen är uppdelad i delmoment även för dessa. Betygssättning sker först när alla prov och alla obligatoriska moment, som t.ex. laborationer, projektrapporter och inlämningsuppgifter är godkända. Om inte annat anges i kursplanen sätts betygen Väl Godkänd, Godkänd eller Underkänd. Den som godkänts i prov får ej undergå förnyat prov för högre betyg.

Tillgodoräknande

Student har rätt att få prövat om en tidigare utbildning eller verksamhet kan godtas för tillgodoräknande. För närmare information se högskoleförordningen samt:

http://www.umu.se/utbildning/antagning/tillgodoraknande/

Ett negativt beslut om tillgodoräknande är möjligt att överklaga till Överklagandenämnden för högskola. Ett negativt beslut skall även motiveras skriftligt.

Allmänt

Utbildningsprogrammet omfattar totalt 120 högskolepoäng (hp), varav 30 hp utgörs av ett självständigt examensarbete.
Programmet förmedlar både breda och fördjupade kunskaper inom datavetenskap. Fördjupningsområdena väljs i stor utsträckning individuellt genom att studenten läser avancerade kurser som bygger på varandra. Programmet innehåller baskurser, valbara kurser, fria kurser och examensarbetet.
Programmets baskurser läses av alla studenter inom programmet. Dispens kan ges om studenten inom ramen för en tidigare utbildning har läst likvärdiga kurser. För varje kurs finns förkunskapskrav angivna i kursens kursplan. Dessa kan vara mer omfattande än programmets behörighetskrav, och styr om och i vilken ordning kurserna kan läsas.
Antagning till programmet sker en gång per år med start på hösten.  För mer information och ansökningsmaterial, se www.studera.nu.

Baskurser

På baskurserna, samtliga på avancerad nivå, har studenten platsgaranti:
 
a) Effektiva algoritmer 7,5, hp 5DV182
b) Databasteknik 7,5, hp 5DV187
c) Artificiell intelligens – metoder och tillämpningar 7,5 hp, 5DV181
d) Beräkningskomplexitet 7,5 hp, 5DV200
e) Student Conference in Computing Science 7,5 hp, 5DV184
f) Examensarbete för masterexamen i datavetenskap (generell och inriktning datalogi) 30 hp, 5DV136

Valbara kurser

På valbar kurs har studenten platsgaranti på ett urval av kurser som motsvarar heltidsstudier, dock inte med garanti på förstahandsval.  Alla kurser inom huvudområdet datavetenskap som inte explicit riktar sig enbart mot andra program är valbara. För aktuell information hänvisas till sidan www.cs.umu.se/kurser.

Fria kurser
Förutom baskurser och valbara kurser kan samtliga kurser på universitetsnivå ingå i programmet. Dessa så kallade fria kurser söks i öppen konkurrens.

Programöversikt
Varje läsår är uppdelat i höst- och vårtermin. Varje termin är indelad i två läsperioder. Vanligen läses två kurser parallellt under en period.
Under första terminen läses baskurserna (a)–(d). Under termin två och framförallt termin tre läses fördjupningskurser. Utrymme finns också för att läsa andra valbara och fria kurser. Baskurs (e) förbereder inför examensarbetet (baskurs (f)) som avslutar utbildningen under fjärde terminen. Nedanstående blockschema indikerar hur detta i typiska fall brukar se ut.
 

År 1
HT VT
Effektiva algoritmer Artificiell intelligens -
metoder och tillämpningar
Valfri kurs* Valfri kurs*
Databasteknik Beräkningskomplexitet Valfri kurs* Valfri kurs*

* Med valfri kurs menas en kurs från det valbara kursutbudet eller en kurs från det fria kursutbudet.
 

År 2
HT VT
Student Conference in Computing Science Examensarbete
Valfri kurs* (fördjupning)
Valfri kurs*
(fördjupning)
Valfri kurs*
(fördjupning)


* Med valfri kurs menas en kurs från det valbara kursutbudet eller en kurs från det fria kursutbudet.

Undervisningen ges i form av föreläsningar, seminarier, gruppövningar, och handledning i samband med datorlaborationer och redovisningsuppgifter. Datorlaborationer och redovisningsuppgifter är ofta obligatoriska, och utgör en viktig del av utbildningen. Redovisning av dessa omfattar vanligen både muntliga och skriftliga delar.

För att hålla den studietakt som är nödvändig för att följa programmet krävs normalt 40 timmars arbetsvecka, trots att andelen schemalagd undervisning varje vecka är betydligt mindre än 40 timmar.

Kurslitteratur och undervisning är på engelska. Kurser som behövs för att komplettera saknande förkunskaper ges dock inte alltid på engelska.

Examensarbete/självständigt arbete
Ett självständigt examensarbete omfattande 30 hp avslutar utbildningen. Det kan påbörjas när förkunskapskraven enligt kursplanen är uppfyllda. Även examensarbetet omfattas av platsgaranti. I examensarbetet skall den studerande tillämpa och vidareutveckla de kunskaper som förvärvats under studietiden och muntligen och skriftligen redovisa resultatet. Arbetet utförs vanligtvis individuellt, men det är tillåtet att två studenter samarbetar i ett examensarbete. Examensarbetet är en del av universitetsstudierna. Valet av ämne för arbetet ska godkännas av kursansvarig, som också utser en handledare för arbetet. Arbetet ska innehålla en väsentlig vetenskaplig fördjupning i ämnet datavetenskap. Detta förutsätter normalt att studenten har avklarat två avancerade kurser i delområdet som examensarbetets tema avser. En examinator vid Institutionen för datavetenskap ansvarar för bedömningen av arbetet.

Anstånd med studiestart

Anstånd med studiestart kan beviljas om särskilda skäl föreligger. Exempel på särskilda skäl är sjukdom, graviditet, vård av barn eller annat omvårdnadsansvar m.m. Ansökan om detta görs skriftligen hos StudentCentrum.

Negativt beslut om anstånd med studiestart kan överklagas till Överklagandenämnden för högskolan.

Studieuppehåll

Negativt beslut om att få återuppta studier efter ett studieuppehåll kan överklagas till Överklagandenämnden för högskolan.

Studieavbrott

Student som lämnar utbildningen ska meddela studieavbrott till programstudievägledaren.

Övrigt

Ytterligare information kan erhållas från programansvarig eller programstudievägledare via universitetets växel 090/786 50 00, eller via webbsidan http://www.teknat.umu.se/utbildning/

Se även regelsamlingen för grundutbildningen vid Umeå universitet
http://www.student.umu.se/regelsamlingen/