"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: HT20 och fram till HT21 (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

Behörighetskrav

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

Examen

Efter genomgånget utbildningsprogram om 60 högskolepoäng kan studenten efter ansökan erhålla en teknologie magisterexamen i datavetenskap, antingen generell eller med inriktning mot artificiell intelligens.
 
Efter genomgånget utbildningsprogram om 120 högskolepoäng kan studenten efter ansökan erhålla antingen en teknologie mastersexamen i datavetenskap, generell eller med inriktning mot artificiell intelligens, eller en filosofie mastersexamen i matematisk statistik.
 
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/

Teknologie magisterexamen översätts på engelska till Degree of Master of Science (60 credits) och Teknologie masterexamen översätts på engelska till Degree of Master of Science (120 credits). Filosofie masterexamen översätts på engelska till Degree of Master of Science (120 credits). Examen utfärdas i något av huvudområdena datavetenskap (Computing Science) eller matematisk statistik (Mathematical Statistics). I datavetenskap kan man ta ut antingen en generell examen eller med inriktningen artificiell intelligens (Artificial Intelligence).

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.

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. 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 finns det möjlighet att profilera sig i fyra delområden inom området artificiell intelligens: Resonerande och beslutsfattande (Reasoning), Maskininlärning (Learning), Människa-AI interaktion (Interaction) och Intelligent robotik. 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 läser 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 modell teori 7,5 hp eller Statistik för teknologer, 7,5 hp (studenten läser logik om den har statistik i sin Bachelor och statistik om den har logik i sin Bachelor). Dessa är grundläggande kurser.
  • Artificiell intelligens - grunderna, 7,5 hp
  • Artificiell intelligens - metoder och tillämpningar, 7,5 hp
  • Maskininlärning (Machine learning), 7,5 hp

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

  • Design av interaktiva AI-system, 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)
  • Försöksplanering och avancerad statistisk modellering, 15 hp
  • Multivariat dataanalys, 7,5 hp
  • Big data och analys av högdimensionella data, 7,5 hp
  • Examensarbete för masterexamen i matematisk statistik, 30 hp

Valbara profilkurser
Inom programmet kan man välja att fördjupa sig inom en av fem olika profiler. Profilerna täcker AI-områdena resonerande (Resonerande och beslutsfattande), lärande (Maskininlärning, Data science) och interagerande (Människa-AI interaktion), och ett applikationsområde (Intelligent robotik). 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 två kurser inom en profil utöver de obligatoriska kurserna ovan.
 
"Resonerande och beslutsfattande"
Denna profil tar upp teorier och formella metoder för kunskapsrepresentation, resonerande, beslutsfattande, inferens och planering. Dessa metoder används exempelvis för autonoma, intelligenta system och beslutsstödsystem inom industri och hälso- och sjukvård. Denna profil ger behörighet att examineras i datavetenskap med inriktning mot artificiell intelligens.

  • Interaktivitet i smarta miljöer, 7,5 hp
  • Trender inom interaktiva intelligenta miljöer, 7,5 hp
  • Resonerande och beslutsfattande, 7,5 hp (från ht-2021)
  • Projektkurs i artificiell intelligens, 7,5 hp (från ht-2021)
  • Projektkurs i artificiell intelligens, 15 hp (från ht-2021)

"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.

  • Trender inom interaktiva intelligenta miljöer, 7,5 hp
  • Maskinanalys av naturligt språk (Natural Language Processing), 7,5 hp (från ht-2021)
  • Projektkurs i artificiell intelligens, 7,5 hp (från ht-2021)
  • Projektkurs i artificiell intelligens, 15 hp (från ht-2021)

"Människa-AI interaktion"
Denna profil tar upp människa-AI-samarbete, multiagentsystem, socialt intelligenta system, teorier om människan som agent i aktivitet, samt etiska, legala och sociala aspekter att ta i beaktande under utveckling av AI. Inom industrin är dessa kunskaper väsentliga för att utveckla framtidens digitala agenter, intelligenta miljöer och nya sätt människor kan samarbeta med AI-baserade system. Denna profil ger behörighet att examineras i datavetenskap med inriktning mot artificiell intelligens.

  • Interaktivitet i smarta miljöer, 7,5 hp
  • Teoretiska perspektiv inom kognitionsvetenskap, 7,5 hp
  • Trender inom interaktiva intelligenta miljöer, 7,5 hp
  • Kognitiv interaktionsdesign, 7,5 hp
  • Projektkurs i artificiell intelligens, 7,5 hp (från ht-2021

"Intelligent robotik"
Denna profil tar upp intelligent robotik och särskilt människa-robotinteraktion, datorseende och språkteknologier. Inom industrin är dessa kunskaper till nytta för att utveckla servicerobotar inom exempelvis hälso- och sjukvård. Denna profil ger behörighet att examineras i datavetenskap med inriktning mot artificiell intelligens.

  • Människa-robot interaktion, 7,5 hp
  • Projektkurs i datorseende, 7,5 hp
  • Maskinanalys av naturligt språk (Natural Language Processing), 7,5 hp (från ht-2021)
  • Projektkurs i artificiell intelligens, 7,5 hp (från ht-2021)

"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.

  • Datahantering med Python och R (från vt-2021)

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

  • Kognitiv interaktionsdesign, 7,5 hp
  • Effektiva algoritmer, 7,5 hp
  • Introduktion till databasteknik, 7,5 hp (grundnivå)
  • Databasteknik, 7,5 hp
  • Student Conference in Computing Science, 7,5 hp
  • Projektkurs i artificiell intelligens, 7,5 hp (från ht-2021)
  • Projektkurs i artificiell intelligens, 15 hp (från ht-2021)

Matematik och matematisk statistik

  • Tidsserieanalys och spatial statistik, 7,5 hp
  • Diskret modellering, 7,5 hp
  • Riskbaserad portfölj- och företagsstyrning, 15 hp
  • Statistiska metoder i genetik, 7,5 hp
  • Monte Carlo-metoder för finansiella tillämpningar, 7,5 hp
  • Statistisk inlärning för glesa data (från ht-2021)

Övriga ämnen

  • Aktivitetsteori, 7,5 hp
  • 'Design-Build-Test', projektkurs för ingenjörer, 15 hp
  • Djupa faltningsnät med tillämpningar inom medicinsk bildanalys, 7,5 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: HT20

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
5DV121 Artificiell intelligens - grunderna, 7,5 hp
LP2 5DV174 Interaktivitet i smarta miljöer, 7,5 hp
5DV181 Artificiell intelligens - metoder och tillämpningar, 7,5 hp
LP3 5DV194 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      Människa-AI interaktion  Resonerande och beslutsfattande Intelligent robotik Maskininlärning Data Science
LP1                   5DV102 Grundläggande logik och modellteori, 7,5 hp eller
                                   5MS069 Statistik för teknologer, 7,5 hp
                           5DV121 Artificiell intelligens - grunderna, 7,5 hp
LP2                              5DV174 Interaktivitet i smarta miljöer, 7,5 hp 5MS049 Stokastiska processer och simulering, 7,5 hp
                 5DV181 Artificiell intelligens - metoder och tillämpningar, 7,5 hp
LP3                                     5DV194 Maskininlärning, 7,5 hp
               5DV211 Design av interaktiva AI-system, 7,5 hp 5DVXXX Datahantering med Python och R, 7,5 hp
LP4 5DV210 Trender inom interaktiva intelligenta miljöer, 7,5 hp 5DV190 Projektkurs i datorseende, 7,5 hp 5DV210 Trender inom interaktiva intelligenta miljöer, 7,5 hp 5MS071 Försöksplanering och avancerad statistisk modellering, 15 hp
5DV183 Människa-robot interaktion, 7,5 hp Valbar 5DV183 Människa- robot interaktion, 7,5 hp Valbar
År2  
LP1 5DV188 Kognitiv interaktionsdesign, 7,5 hp 5DVXXX Reasoning and Descision making, 7,5 hp 5DVXXX Maskinanalys av naturligt språk, 7,5 hp 5MS056 Multivariat dataanalys,7,5 hp
   Valbar    Valbar    Valbar    Valbar    Valbar
LP2                       5DVXXX Projektkurs i artificiell intelligens, 7,5 hp 5MS062 Big data och analys av högdimensionella data, 7,5 hp
   Valbar    Valbar    Valbar    Valbar    Valbar
LP3
LP4
5DV216 Examensarbete för masterexamen i datavetenskap med inriktning artificiell intelligens, 30 hp 5MS066 Examensarbete i matematisk statistik, 30 hp