Engelskt namn: Degree Project: Master of Science (two years) in Computing Science (specialization Robotics and control)
Denna kursplan gäller: 2019-05-27 till 2023-06-25 (nyare version av kursplanen finns)
Kursplan för kurser med start efter 2024-01-01
Kursplan för kurser med start mellan 2023-06-26 och 2023-12-31
Kursplan för kurser med start mellan 2019-05-27 och 2023-06-25
Kurskod: 5DV206
Högskolepoäng: 30
Utbildningsnivå: Avancerad nivå
Huvudområden och successiv fördjupning:
Datavetenskap: Avancerad nivå, innehåller examensarbete för masterexamen
Betygsskala: Väl godkänd, godkänd, underkänd
Ansvarig institution: Institutionen för datavetenskap
Beslutad av: Teknisk-naturvetenskapliga fakultetsnämnden, 2018-12-21
Reviderad av: Teknisk-naturvetenskapliga fakultetsnämnden, 2019-03-11
Under kursen tränas studentens förmåga att specificera, planera, genomföra och redovisa ett självständigt arbete. Studenten tillämpar sina under utbildningen förvärvade kunskaper och fördjupar sig inom minst ett specifikt delområde. Genom arbetet får studenten kontakt med forskning och utvecklingsarbete i ämnet. Resultaten presenteras muntligt och skriftligt.
Modul 1. Självständigt arbete (28 hp)
Examensarbetet utförs som ett självständigt arbete antingen inom ett forskningsprojekt vid universitetet eller som utvecklingsprojekt i industrin. Examensarbetet måste erbjuda någon form av problemlösning i vid mening, och innebära ämnesmässig fördjupning i förhållande till kurser som studenten tidigare läst. Arbetet får inte enbart bestå av rutinmässig programmering. Fördjupningen ska relatera det arbete man gör till existerande vetenskapliga ståndpunkter och resultat samt dokumenteras i en vetenskaplig rapport tillsammans med det övriga arbetet.
Modul 2. Presentation (2 hp)
Examensarbetet presenteras skriftligt i rapportform samt muntligt i disputationsform. Studenten skall även förbereda en opposition och genomföra denna på ett annat examensarbete. Under kursen kommer studenten att kommunicera kring arbetet både muntligt och skriftligt på engelska.
Kunskap och förståelse
Efter avslutad kurs ska studenten kunna:
Färdighet och förmåga
Efter avslutad kurs ska studenten kunna:
Värderingar och förhållningssätt
Efter avslutad kurs ska studenten kunna:
För tillträde till kursen krävs en avlagd kandidatexamen samt kurser totalt omfattande 60 hp på avancerad nivå. Dessutom krävs att de 60hp på avancerad nivå ska vara inriktade mot robotik och reglerteknik och minst 30hp av dessa ska vara inom ämnet datavetenskap. En av kurserna i datavetenskap ska vara kursen Student Conference in Computing Science. Beroende på examensarbetets inriktning kan särskilda förkunskaper krävas.
Engelska A och svenska för grundläggande behörighet för högskolestudier (om kursen ges på svenska).
Examensarbetet skall utföras under sista terminen av en masterutbildning med Datavetenskap som huvudområde i examen med inriktning mot robotik och reglerteknik.
Undervisningen består av individuell handledning. En handledare inom institutionen utses för varje student, med vilken fortlöpande kontakt skall uppehållas. Studenten skall hushålla med den tillgängliga handledningsresursen och studenten kan normalt inte kräva att få handledning mer än 10 månader efter påbörjat arbete. Ytterligare en handledare utses av uppdragsgivaren vid externa examensarbeten. Utöver handledning skall studenten självständigt identifiera, söka, värdera samt sammanfatta informationskällor i syfte att ge en vetenskaplig bakgrund till det utförda arbetet. Studenten skall självständigt planera och genomföra arbetet inom givna tidsramar samt redovisa det både muntligt och skriftligt. Studenten skall också läsa in sig på ett annat examensarbete och opponera på detta.
Modul 1, självständigt arbete, bedöms utifrån
a) arbetets planering, genomförande och uppföljning samt
b) vetenskapligt och ingenjörsmässigt innehåll och resultat.
c) utformning av skriftlig rapport,
Modul 2, presentation, bedöms utifrån
d) muntlig presentation samt
e) planering och genomförande av opposition
På Modul 1 ges något av betygen Underkänd (U), Godkänd (G) eller Väl Godkänd (VG) och på Modul 2 ges något av betygen Underkänd (U) eller Godkänd (G).
På kursen som helhet ges något av betygen Underkänd (U), Godkänd (G) eller Väl Godkänd (VG). För att bli godkänd på hela kursen krävs att samtliga bedömningsgrunder, dvs a)-e) ovan, och obligatoriska moment är godkända. Betyget på Modul1 styr kursens sammanlagda betyg.
De studenter som inte blivit godkända när ett läsår passerat måste göra om kursens samtliga delar, dvs börja om med ett nytt ämne för examensarbetet.
En student som utan godkänt resultat har genomgått två prov för en kurs eller del av en kurs, har rätt att få en annan examinator utsedd, om inte särskilda skäl talar emot det (HF6 kap. 22§). Begäran om ny examinator ställs till prefekten vid Institutionen för datavetenskap.
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.
Tillgodoräknande
Student har rätt att få prövat om tidigare utbildning eller motsvarande kunskaper och färdigheter förvärvade i yrkesverksamhet kan tillgodoräknas för motsvarande utbildning vid Umeå universitet. Ansökan om tillgodoräknande skickas in till Studentcentrum/Examina. Mer information om tillgodoräknande finns på Umeå universitets studentwebb, www.student.umu.se, och i högskoleförordningen (6 kap). Ett avslag på ansökan om tillgodoräknande kan överklagas (Högskoleförordningen 12 kap) till Överklagandenämnden för högskolan. Detta gäller såväl om hela som delar av ansökan om tillgodoräknande avslås.
Kurslitteraturen väljs individuellt i samråd med examinator/handledare.