Hoppa direkt till innehållet
printicon
Huvudmenyn dold.
Utbildningsplan:

Masterprogrammet i robotik och reglerteknik, 120 hp

Engelskt namn: Master's Programme in Robotics and Control

Denna utbildningsplan gäller: HT21 och tillsvidare

Programkod: TAROM

Högskolepoäng: 120

Diarienummer: 514-2812-12

Ansvarig fakultet: Teknisk-Naturvetenskapliga fakulteten

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

Reviderad av: Teknisk-naturvetenskapliga fakultetsnämnden, 2021-03-02

Behörighetskrav

Examen på grundnivå som omfattar minst 180 högskolepoäng eller motsvarande utländsk examen. Särskilda förkunskapskrav är: a) 15 högskolepoäng i ämnet datavetenskap, varav minst 7,5 högskolepoäng programmeringsmetodik, eller motsvarande b) 7,5 högskolepoäng digitalteknik, logik, systemnära programmering, eller motsvarande c) 30 högskolepoäng i ämnet matematik, som skall innehålla analys, linjär algebra, samt statistik d) 7,5 högskolepoäng reglerteknik, eller signalbehandling, eller numeriska metoder, eller differentialekvationer. Engelska B/6.

Examen

Efter genomgånget utbildningsprogram kan studenten efter ansökan erhålla en teknologie masterexamen i enlighet med lokal examensbeskrivning fastställd av rektor (se Umeå universitets hemsida).
Teknologie masterexamen översätts på engelska till Degree of Master of Science. Examen utfärdas i något av huvudområdena datavetenskap (Computing Science) eller elektronik (Electronics) med inriktningen robotik och reglerteknik (Robotics and Control).

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

Teknologie masterexamen i datavetenskap

För teknologie 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 datavetenskapens tekniker, teorier och verktyg,
* identifiera och inhämta ytterligare kunskaper som behövs för att lösa givna problem, och praktiskt tillämpa förvärvade teoretiska kunskaper,
* tillämpa ett vetenskapligt arbetssätt och analytiskt tänkande som utgångspunkt för planering och genomförande av ett större självständigt arbete,
* redovisa kunskaper, planer och uppnådda resultat i tal och skrift såväl på svenska som på engelska,
* såväl självständigt som i samverkan med andra planera och slutföra olika typer av projekt både i underordnad och i ledande roll,
* samverka och kommunicera med såväl andra tekniker som personer utan teknisk-naturvetenskaplig bakgrund,
* beakta gällande lagliga, etiska samt sociala ramverk och principer i sitt arbete.

För inriktningen mot robotik och reglerteknik ska studenten dessutom kunna

* visa väsentligt fördjupade kunskaper inom robotik och reglerteknik,
* tillgodogöra sig nya forskningsresultat och delta i avancerat utvecklingsarbete inom robotik och reglerteknik,
* skapa abstraktioner och formella modeller som beskriver sammanhang och fenomen inom robotik och reglerteknik,
* självständigt formulera och formalisera problem inom robotik och reglerteknik och lösa dem genom att använda sig av områdets tekniker, teorier och verktyg,
* aktivt och självständigt bedöma sitt eget kunskapsbehov samt kunna vidareutveckla sina färdigheter, förmågor och kunskaper inom robotik och reglerteknik.


Teknologie masterexamen i elektronik

Kunskap och förståelse

För inriktningen robotik och reglerteknik skall studenten utöver de nationella målen

* ha fördjupade kunskaper inom områdena intelligenta robotar och reglerteknik med inriktning mot processreglering eller reglering av mekaniska system,
* kunna omfatta och förstå de speciella principer som konstituerar robotik och reglerteknik, samt dess begränsningar,
* kunna självständigt och med originalitet bidra till utveckling och realisering av tillämpningar inom området robotik och reglerteknik.


Färdighet och förmåga

För masterexamen i elektronik skall studenten utöver de nationella målen

* ha särskild färdighet att självständigt i tal och skrift, beskriva och förmedla viktig teknisk information och underliggande kunskap för specialister såväl som för icke insatta,
* ha förmåga att i utvecklings-/arbetsgrupper lösa produktorienterade problem med hög komplexitet där många discipliner finns representerade.


För inriktningen robotik och reglerteknik skall student därutöver

* ha förmåga att självständigt med begränsad information utveckla och tillföra ny kunskap till området robotik och reglerteknik.


Värderingsförmåga och förhållningssätt

För masterexamen i elektronik skall studenten utöver de nationella målen

* kunna värdera elektroniska system i ett vetenskapligt perspektiv samt dess påverkan på människan miljömässigt, etiskt och samhälleligt,
* ha ett professionellt förhållningssätt till samarbete med människor av olika nationalitet, språk, kön och ålder.

Examinationsformer

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/utbildning/universitetsstudier---sa-funkar-det/examen/tillgodoraknanden/

Allmänt

Programmet är tvärvetenskapligt, med huvudområdena elektronik och datavetenskap, och  innehåller framförallt robotik, artificiell intelligens, inbyggda, intelligenta och autonoma system, mekatronik, matematisk modellering, tillämpad programmering och elektronik.
Många kurser består av stora delar laborationsarbete där man som student får arbeta med olika delar  och aspekter av intelligenta robotsystem.

Utbildningsprogrammet omfattar totalt 120 högskolepoäng (hp), varav 30 hp utgörs av ett självständigt examensarbete. Inom programmet finns möjlighet att fördjupa sig inom robotik och reglerteknik. och robotik. Det är dessutom möjligt att utforma en individuell studieprofil. Med individuell studieprofil menas en egen studiegång utöver baskurserna.
Programmet innehåller obligatoriska profilkurser, valbara kurser samt fria kurser. Under den första terminen läses programmets första obligatoriska kurser. De inledande kurserna innehåller moment som kan anpassas för att studenter med varierande bakgrund lättare ska kunna förbereda sig och  tillgodogöra sig resten av utbildningen. Under termin två och framförallt termin tre läses fördjupningskurser mot respektive inriktning, också kallad fördjupningsprofil. Programmet har två fördjupningsprofiler, en  i elektronik och den andra i datavetenskap, båda med inriktning robotik och reglerteknik. Utrymme kan också finnas för valbara eller fria kurser i respektive fördjupningsprofil. Utbildningen avslutas med ett examensarbete under termin fyra.


Obligatoriska kurser
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.

Dessa obligatoriska kurser läses av alla programstudenter, eftersom de är nödvändiga för att uppfylla flera av examensmålen enligt föregående avsnitt. Kurserna ger också grundkunskaper för programmets fördjupningsprofiler.

Artificiell intelligens - grunderna  7.5 hp   5DV124   (grundnivå)
Artificiell intelligens - metoder och tillämpningar  7.5 hp 5DV181 (avancerad nivå)
Linjära reglersystem  7.5 hp   5EL263 (avancerad nivå)
Mekatronik  7.5 hp  5EL252 (avancerad nivå)

Obligatoriska kurser i fördjupningsprofilerna
I programmet ingår också obligatoriska profilkurser för respektive fördjupningsprofil. De obligatoriska profilkurserna är listade som förkunskapskrav i kursplanen för det examensarbete som utförs i slutet av utbildningen.
  
För fördjupningsprofilen i elektronik heter kursen Examensarbete för masterexamen i elektronik (inriktning robotik och reglerteknik), 30.0 hp.

För fördjupningsprofilen i datavetenskap heter kursen Examensarbete för masterexamen i datavetenskap (inriktning robotik och reglerteknik), 30.0 hp.

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.

Det är även möjligt att välja kurser från båda fördjupningsprofilerna (elektronik, och datavetenskap). Det kan förekomma variationer i utbudet från år till år. Kurserna måste väljas så att kraven i aktuell examensbeskrivning uppfylls. Förkunskapskraven för vissa kurser är högre än antagningskraven för programmet. Detaljer finns i kursplanerna för respektive kurs (se https://www.umu.se/student/mina-studier/hitta-kurs-och-utbildningsplan/).
Följande uppräknade kurser är valbara inom programmet. Kurserna är indelade efter de huvudområden de är knutna till.

Valbara kurser inom huvudområdet datavetenskap
Avancerad Datorgrafik och tillämpningar  7.5 hp 5DV180 (avancerad nivå)
Datorintensiva statistiska metoder 7.5 hp 5MS063 (avancerad nivå)
Examensarbete för masterexamen i datavetenskap (inriktning robotik och reglerteknik)  30.0 hp 5DV206 (avancerad nivå)
Kognitiv interaktionsdesign  7.5 hp 5DV188  (avancerad nivå)
Maskininlärning 7.5hp, (5DV195)  ( avancerad nivå)
Matrisberäkningar och tillämpningar  7.5 hp 5DA003  (avancerad nivå)
Människa-robotinteraktion 7.5hp 5DV183 (avancerad nivå)
Optimering med tillämpningar 7.5 hp 5DA004 (avancerad nivå)
Projektkurs i datorseende  7.5 hp 5DV190 (avancerad nivå)
Student Conference in Computing Science  7.5 hp 5DV184  (avancerad nivå)
Visuell interaktiv simulering  7.5 hp 5DV191 (avancerad nivå)

Valbara kurser inom huvudområdet elektronik
Adaptiv reglerteknik  7.5hp 5EL246 (avancerad nivå)
Applikationer i sensornätverk  7.5 hp  5TF069 (avancerad nivå)
Behandling av mediasignaler  15.0 hp   5EL061 (avancerad nivå)
Bildbehandling  7.5 hp  5EL064 (avancerad nivå)
Deep Learning - metoder och tillämpningar 7.5hp 5TF078 ( grundnivå)
Digitalteknik  7.5 hp  5EL006 (grundnivå)
Examensarbete för masterexamen i elektronik (inriktning robotik och reglerteknik)  30.0 hp 5EL249 (avancerad nivå)
Modellering inom robotik  7.5 hp 5EL254 (avancerad nivå)
Mätsystem och mätmetoder  7.5 hp 5EL200 (grundnivå)
Optimal reglering av linjära system  7.5hp 5EL255 (avancerad nivå)
Projekt i elektronik 3  15.0 hp 5EL256 (avancerad nivå)
Projekt i elektronik 4  7.5 hp 5EL121 (avancerad nivå)
Reglermetoder för robotapplikationer 7.5 hp 5EL257 (avancerad nivå)
Sensorer och elektronik  7.5 hp  5EL267 (grundnivå)
System och algoritmer för autonoma fordon 7.5hp  5EL272 ( avancerad nivå)
Telerobotik och tillämpad sensorfusion  7.5 hp  5EL259 (avancerad nivå)
Tillämpad digital signalbehandling  7.5 hp 5EL262 (avancerad nivå)
Tillämpad medicinsk bildbehandling 7.5hp 5RA031 ( avancerad nivå)
Trådlösa sensornätverk  7.5 hp 5EL260 (avancerad nivå)

Valbara kurser från andra lärosäten kan ingå i en examen.

Fria kurser
Fria kurser inom programmet söks i öppen konkurrens. Fria kurser kan läsas vid Umeå universitet eller andra lärosäten i Sverige eller utomlands.
Med fria kurser menas kurser som inte tillhör något av huvudområdena datavetenskap eller elektronik.

Exempel på fria kurser med huvudområde fysik
Analytisk mekanik  7.5 hp  5FY117 (grundnivå)
Fysikens numeriska metoder7.5 hp 5FY187 (avancerad nivå)
Modellering och simulering  7.5 hp 5FY176 (avancerad nivå)
Simuleringsteknik D  7.5 hp 5FY074 (avancerad nivå)
Virtuella världars fysik  7.5 hp  5FY114 (grundnivå)

Exempel på fria kurser med huvudområde matematik
Kontinuerlig optimering 7.5 hp 5MA171 (grundnivå)
Multivariat dataanalys  7.5 hp 5MS056 (avancerad nivå)
Numeriska metoder för partiella diff. ekv.  7.5 hp 5MA184  (avancerad nivå)
Partiella differentialekvationer  7.5 hp  5MA188 (avancerad nivå)
Sannolikhetsteori  7.5hp 5MS073 (avancerad nivå)
Stokastiska processer 7.5hp 5MS065 ( avancerad nivå)
Stokastiska processer och simulering 7.5hp 5MS049 ( grundnivå)
Stokastiska differentialekvationer  7.5 hp  5MA180  (avancerad nivå)
Tidsserieanalys och spatial statistik  7.5 hp 5MS072 (avancerad nivå)
Transformmetoder  7.5 hp 5MA202 (avancerad nivå)

Exempel på fria kurser från övriga ämnen
Teknik för hållbar utveckling  7.5hp 5EL240 (grundnivå)


Studieplan
Varje läsår är uppdelat i höst- och vårtermin. Varje termin är indelad i två läsperioder. Vanligen läses två kurser parallellt under en period. Undervisningen ges i form av föreläsningar, seminarier, gruppövningar och handledning i samband med laborationer och redovisningsuppgifter. Laborationer och redovisningsuppgifter är obligatoriska, och utgör en viktig del av utbildningen. Redovisning av dessa omfattar vanligen både muntliga och skriftliga delar.
För att hålla studietakten krävs normalt ca 40 timmars arbetsvecka. Andelen schemalagd undervisning varje vecka är dock betydligt mindre än 40 timmar. Kurslitteratur och undervisning är huvudsakligen på engelska.
Kursernas terminsplacering framgår av nedanstående studieplaner.  

Studieplanerna för de båda fördjupningsprofilerna bör endast ses som exempel, eftersom det är möjligt att skapa en egen studieprofil genom valbara kurserna. Studieplanerna som följer innehåller obligatoriska, valbara, och fria kurser.  För att få veta vad obligatoriska, valbara och fria kurser innebär, se under rubriken "Allmänt" ovan. Avvikelser och variationer i kursutbud kan förekomma från år till år.

Studieplan för fördjupningsprofil i elektronik (inriktning robotik och reglerteknik)

Termin 1 - hösttermin Termin 2 - vårtermin
september-november november-januari januari-april april-juni
Linjära reglersystem, 7.5hp Mekatronik,
7.5 hp
Modellering inom robotik,
7.5 hp
System och algoritmer för autonoma fordon,
7.5hp
Artificiell intelligens
- grunderna, 7.5hp
Artificiell intelligens
- metoder och
tillämpningar,
7.5 hp
Bildbehandling,
7.5 hp
Valbar kurs,
7.5 hp
 
Termin 3 - hösttermin Termin 4 - vårtermin
september-november november-januari januari-juni
Valbar kurs,
7.5 hp
Valbar kurs,
7.5 hp
Examensarbete för masterexamen i
elektronik (inriktning robotik och reglerteknik), 30.0 hp
Reglermetoder för robotapplikationer,
7.5 hp
Optimal reglering av linjära system,
7.5 hp
Adaptiv reglerteknik,
7.5 hp
(respektive kurs ges vartannat år)
Telerobotik och tillämpad sensorfusion, 7.5 hp
Student Conference in Electronics and Mechatronics, 7.5 hp
(Studentkonferens i elektronik och mekatronik, 7.5hp)

Studieplan för fördjupningsprofil i datavetenskap (inriktning robotik och reglerteknik)
Termin 1 - hösttermin Termin 2 - vårtermin
september-november november-januari januari-april april-juni
Linjära reglersystem, 7.5hp Mekatronik,
7.5 hp
Modellering inom robotik, 7.5 hp Projektkurs i
datorseende, 7.5 hp
Artificiell intelligens
- grunderna, 7.5hp
Artificiell intelligens
- metoder och
tillämpningar,
7.5 hp
Maskin-inlärning,
7.5 hp
Människa robotinteraktion, 7.5hp
 
Termin 3 - hösttermin
Termin 4 - vårtermin
september-november november-januari januari-juni
Valbar kurs,
7.5 hp
Valbar kurs,
7.5 hp
Examensarbete för masterexamen i datavetenskap (inriktning robotik och reglerteknik), 30.0 hp
Student Conference in Computing Science, 7.5 hp
Valbar kurs, 7.5 hp


Examensarbete/självständigt arbete
Examensarbetet avslutar utbildningen och får påbörjas när förkunskapskraven i kursplanen är uppfyllda.
I examensarbetet, som omfattar 30 högskolepoäng, 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

Ytterligare information kan erhållas från programansvarig eller programstudievägledare via universitetets växel 090/786 50 00, eller via webbsidan.

https://www.umu.se/teknisk-naturvetenskaplig-fakultet/utbildning/

Se även regelsamlingen för grundutbildningen vid Umeå universitet.

https://www.umu.se/regelverk/