UTBILDNINGSPROGRAMMET I DATAVETENSKAP

Study Program in Computing Science
120 or 160 credit points

Målet med detta program är en filosofie magister eller filosofie kandidat examen i datavetenskap. Utbildningens första del är inriktad på att ge grundläggande kunskaper i datavetenskap och matematik. Genom möjligheten att individuellt kunna kombinera valbara C/D-kurser i datavetenskap under den senare delen av utbildningen kan du utforma en specialistutbildning med individuell profilering. Det innebär att du får en djup kompetens för att arbeta med utformning, konstruktion, underhåll och utvärdering av programvara av olika slag. Du kan också bredda din utbildning genom att välja kurser i andra ämnen inom eller utanför det matematisk-naturvetenskapliga ämnesområdet.

Utbildningen är inte inriktad på specifika datorsystem, som snabbt blir föråldrade, utan ger dig förmåga att inhämta nya kunskaper inom det datavetenskapliga området, och tillämpa dessa för teknisk utveckling och förnyelse.

Ett 20- eller 10 poängs examensarbete avslutar programmet.

Programmet förbereder för arbete inom industri, företag och myndigheter. En datavetare arbetar ofta med problemlösning och programutveckling i samband med forsknings- och utvecklingsarbete, ofta i projektform.

Efter avlagd examen kan du ansöka om att antas till forskarutbildning i datavetenskap.Den grundläggande högskoleutbildningen ska ge den studerande kunskaper och färdigheter, förmåga till självständig och kritisk bedömning, förmåga att självständigt lösa problem samt förmåga att följa kunskapsutvecklingen, allt inom det område som utbildningen avser. Utbildningen bör också utveckla den studerandes förmåga till informationsutbyte på vetenskaplig nivå.

1. Utbildningens mål

1.1 Mål för filosofie magister/kandidat examen i datavetenskap

Utbildningsprogrammet leder till filosofie magister (fil. mag.) eller filosofie kandidat (fil. kand.) examen med datavetenskap som huvudämne.

Centralt i ämnet datavetenskap är studiet av datorer som beräkningsmekanismer. Det innebär att man studerar frågor såsom:

* Vad kan man beräkna med en dator, i teorin och i praktiken? (vilket långt ifrån alltid sammanfaller)

* Hur finner man och formulerar så effektiva metoder (algoritmer) som möjligt för att lösa olika problem?

* Hur programmerar man en dator, och hur ser ett bra programspråk ut?

* Hur konstruerar man programsystem så att de blir så lätta att förstå och använda som möjligt?

Det datavetenskapliga utbildningsprogrammet har som huvudmål att ge

* grundläggande kunskaper och färdigheter inom de matematiska och datavetenskapliga områdena.

* förtrogenhet med grundläggande datavetenskapliga teorier och metoder.

* fördjupade kunskaper inom något eller några av datavetenskapens olika delområden.

* förmåga att analysera och värdera datavetenskapliga metoder.

* en god grund för forskarutbildning inom det datavetenskapliga ämnesområdet.

Datorer används mer och mer både inom matematik, teknik och naturvetenskap men även i många andra delar av samhället. Olika datorsystem är ett viktigt redskap för att lösa olika typer av problem. Utbildningen ger därför också

* förmåga att i samverkan med företrädare för olika tillämpningsområden identifiera problem som behöver lösas och formulera och precisera dem i matematiska termer, alltså ställa upp en modell för problemet ifråga.

* färdighet i att översätta dessa modeller till datorprogram, och utnyttja datorn så effektivt som möjligt för att lösa tillämpningsproblem.

* insikter i hur man bedömer en matematisk modells tillämpbarhet och begränsningar.

* förmåga att inom uppställda modeller tillämpa numeriska och datalogiska metoder samt att tolka och värdera resultaten.

2. Behörighetskrav

Standardbehörighet E.2.1

exklusive kemikravet eller nedanstående

Gamla gymnasiet/ kom vux

Förutom allmän behörighet krävs gymnasiekunskaper eller motsvarande med lägst betyget 3 i:

Matematik 3 åk N/T (etapp 4)

Fysik 3 åk N/T (etapp 4)

Nya gymnasiet

Förutom allmän behörighet krävs gymnasiekunskaper eller motsvarande med lägst betyget 3 alternativt godkänt betyg i kurserna:

Matematik E (300p)

Fysik A (220p)

Svenska A (200p)

Engelska B (150p)

3. Innehåll och uppläggning

Kursutbudet inom den obligatoriska delan av programmet kan delas upp i nedan angivna ämnesområden/ ämnesgrupper.

1) Datavetenskap

2) Matematikämnen

3) Examensarbete

3.1 Obligatoriska kurser

Följande kurser inom de ovan nämnda områdena är obligatoriska för de studenter som följer programmet, och får tillgodoräknas i en fil. mag. eller fil. kand. examen i datavetenskap. De fullständiga kraven för examen återfinns i motsvarande examensbeskrivning.

De obligatoriska kursernas normala placering i tiden framgår av nedanstående blockschema. Avvikelser och variationer kan dock förekomma från år till år.

År 1

MATA30 - Matematik A, 20 p

- Algebra och Kombinatorik, 5p

- Analys, 10p

- Linjär algebra, 5p

TDBA42 - Datavetenskap A, 20 p

- Datavetenskapens grunder 1, 8p

- Datavetenskapens grunder 2, 7p

- Datastrukturer och alg., 5p

År 2

TDBB13 - Datavetenskap B, 20p

- Systemnära programmering, 5p

- Teknisk-vetenskapliga beräkningar I, 5p

- Människa-dator interaktion, 5p

- Programvarukonstruktion, 5p

MATB43 - Diskret matematik, 5p

MATB48 - Flervariabelanalys, 5p

TDBB14 - Teknisk-vetenskapliga beräkningar II, 5p

TDBxxx - Logik och logikprogrammering, 5p


3.2 Valbara kurser

Under programmets tredje och fjärde år kan valbara kurser läsas. Med valbara kurser avses kurser där studerande på programmet ges viss förtur. Under de delar av programmet där ett antal valbara kurser erbjuds garanteras varje student inom programmet att få läsa ett urval av dessa kurser i en takt motsvarande studier på heltid. Däremot kan ej alltid plats garanteras på de kurser studenten valt i första hand.

Nedan uppräknade kurser inom respektive ämnesområde är valbara inom utbildningsprogrammet i datavetenskap. Inom varje område kan dessutom ytterligare kurser som tillhör andra utbildningsprogram få räknas i en examen i datavetenskap.

För de flesta av nedanstående kurser finns förkunskapskrav som måste uppfyllas för att få läsa kursen, och som styr i vilken ordning vissa kurser kan läsas.

Kurser vars innehåll helt eller delvis överlappar varandra får inte räknas fullt ut i examen.

Det kan förekomma variationer i kursutbudet för varje enskilt läsår, till exempel ges vissa kurser bara vartannat år.

Datavetenskap
TDBB09 Objektorienterad programmering för ingenjörer, 5p
TDBC03 Numerisk linjär algebra II, 5p
TDBC04 Numerisk behandling av diff.ekv. 5p
TDBC05 Semantik och programteori, 5p

TDBC06 Datorarkitektur, 5p
TDBC07 Datorgrafik och visualisering, 5p
TDBC08 Numerisk analys för en akt. till., 5p
TDBC11 Komputationell intelligens, 5p
TDBC12 Kognitionsvetenskap, 5p
TDBC18 Objektorienterad programvaruutveckling, 5p

TDBC20 Parallelldatorsystem, 5p

TDBC28 Operativsystem, 5p
TDBC41 Översättarteknik, 5p
TDBC64 Datakommunikation och datornät, 5p

TDBC28 Operativsystem, 5p
TDBC70 Artificiell intelligens, 5p
TDBC79 Finita elementmetoden, 5p
TDBC80 Beräkningsteori, 5p
TDBC86 Databasteknik, 5p
TDBC90 Datalogi för en aktuell tillämpning, 5p
TDBC91 Algoritmanalys, 5p
TDBC19 Optimeringsmetoder m tillämpn., 5p
TDBD03 Datakommunikation, påbyggn.kurs, 5p
TDBD04 Distribuerade system, 5p
TDBD05 Kompilatorteknik, 5p
TDBD06 Människa-dator interaktion, fördjupningskurs, 5p
TDBD07 Nya medier, 5p
TDBD08 Design och analys av algoritmer för parallelldatorsystem, 5p
TDBD93 Artificiell intelligens II, 5p
TDBD95 Programspecifikation och programkonstruktion, 5p
TFEC02 Realtidssystem, 5p

Matematikämnen
MATB44 Differentialekvationer, 5p
MATB47 Analysens grunder, 5p
MATC01 Geometri, 5p

MATC02 Fraktaler och kaos, 5p

MATC03 Grafteori, 5p

MATC04 Integrationsteori och probabilitet, 5p

MATC05 Diskret matematik 2, 5p
MATC48 Komplex analys, 5p

MATC58 Differentialgeometri, 5p
MATC59 Algebra 2, 5p

MATC60 Reell analys 1, 5p

MATC73 Partiella diff-ekv 2, 5p

MATC75 Talteori, 5p
MATC76 Optimering 5p

MATC77 Matematisk logik, 5p

MATC78 Reell analys 2, 5p

MSTA08 Matematisk statistik I, 10p

MSTA09 Matematisk statistik II, 10p

MSTB01 Inferensteori, 10p

MSTB02 Regressionsanalys, 5p
MSTB03 Försöksplanering, 5p

MSTB04 Stat. analys och modellbyggn., 5p
MSTB35 Simulering, 5p

3.3 Fria kurser

Jämsides med de valbara kurserna finns det fria kurser. Med fria kurser avses kurser där de studerande på programmet inte har någon särskild förtur jämfört med andra kategorier studenter.

Information om vilka kurser som ges och får tillgodoräknas sprids i årligt utkommande informationsmaterial, främst studiehandboken för datavetenskap och universitetets kurskatalog.

3.4 Examensarbete

Målet för examensarbetet är att den studerande skall tillämpa de kunskaper som förvärvats under studietiden, självständigt behandla en uppgift, samt muntligen och skriftligen redovisa resultatet av arbetet.

För att erhålla fil. kand. examen ska studenten ha fullgjort ett examensarbete om minst 10 poäng (motsvarande 10 veckors heltidsarbete). Examens-arbetet utförs normalt under programmets sjätte termin.

För att erhålla fil. mag. examen ska studenten ha fullgjort ett examensarbete om minst 20 poäng eller två om vardera minst 10 poäng. Examensarbetet, som normalt avslutar utbildningsprogrammet, ska innehålla någon form av ämnesmässig fördjupning.

Examensarbetet kan förläggas till industrin om examinator medger detta. Arbetet med examensarbetet är dock en del av universitetsstudierna. En handledare vid universitetet ska alltid utses, som har ansvaret för att en tillräcklig ämnesfördjupning uppnås.

Examensarbetesrapporten ska språkligt och stilistiskt utformas så att den kvalitetsmässigt motsvarar inom universitet och industri utarbetade rapporter. Rapporten ska innehålla en sammanfattning (abstract) på engelska, samt en engelsk översättning av titeln. Alternativt kan hela rapporten skrivas på engelska.

3.5 Utbildningens uppläggning

Utbildningsprogrammet omfattar totalt 160 poäng varav minst 140 poäng är kurser, och 10 eller 20 poäng utgörs av examensarbete. Under utbildningens första del studeras i huvudsak datavetenskapliga och matematiska teorier och metoder, som ligger till grund för utbildningen. Under utbildningens senare del erbjuds kurser som gör det möjligt att fördjupa sin utbildning mot olika delområden inom ämnet datavetenskap. Den studerande har också möjlighet att genom individuella val av kurser både inom och utanför det matematisk-naturvetenskapliga ämnesområdet bredda och profilera sin utbildning .

Undervisningen består av föreläsningar, seminarier, gruppövningar och handledning i samband med datorlaborationer. Datorlaborationer och redovisningsuppgifter utgör en viktig del av utbildningen. Dessa är obligatoriska. Kurserna läses antingen på helfart eller parallellt med en annan kurs på halvfart.

För att hålla den studietakt som är nödvändig för att följa programmet krävs vanligen minst 40 timmars arbetsvecka. Andelen schemalagd undervisning varje vecka är dock vanligen betydligt mindre än 40 timmar. Tiden utöver den schemalagda är avsedd för självstudier och laborationer.

Merparten av kurslitteraturen är på engelska.

3.6 Platsgaranti och urvalsregler

Studerande som följer utbildningsprogrammet är garanterade plats på kurser som är obligatoriska inom programmet, samt på valbara kurser i en omfattning som motsvarar heltidsstudier.

Fria kurser söks i konkurens med andra studenter. Om ett urval blir nödvändigt används de regler som anges i universitetets kurskatalog.

I kursplanerna anges de förkunskapskrav som gäller för respektive kurs. För att en student ska vara behörig att antas till en kurs måste dessa förkunskapskrav vara uppfyllda.

En student som ej uppfyller förkunskapskraven kan om särskilda skäl föreligger medges dispens för att antas till kursen ifråga.

En student som inte uppfyller kraven för att kunna fortsätta studier i normal takt inom programmet ska i samråd med studievägledaren i datavetenskap lägga upp ett individuellt studieprogram.

4. Prov och betygsättning

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.

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 hos institutionsstyrelse begära att annan lärare utses att sätta betyg.

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

5. Examen

Utbildningsprogrammet leder fram till Filosofie magisterexamen vid matematisk-naturvetenskaplig fakultet (Master of Science) eller Filosofie kandidatexamen vid matematisk-naturvetenskaplig fakultet (Bachelor of Science), med huvudämnet datavetenskap (Computing Science).

Magisterexamen uppnås efter fullgjorda kursfordringar om sammanlagt 160 poäng. I huvudämnet krävs fördjupade studier på 80-poängsnivån med godkänt resultat. Studenten ska också ha fullgjort ett examensarbete om minst 20 poäng eller två om vardera minst 10 poäng. Detta/dessa skall ingå i huvudämnet.

Kandidatexamen uppnås efter fullgjorda kursfordringar om sammanlagt 120 poäng. I huvudämnet krävs fördjupade studier på 60-poängsnivån med godkänt resultat. Studenten ska också ha fullgjort ett examensarbete om minst 10 poäng. Detta skall ingå i huvudämnet.

Studerande som uppfyllt de krav som fastslås i examensbeskrivningen för magister- respektive kandidatexamen skall erhålla ett examensbevis. Examensbevis utfärdas av rektorsämbetet efter begäran. Med ansökan ska följa personbevis samt intyg från studentkåren om betald kåravgift.

6. Övergång till forskarutbildning

Fil. mag. eller fil. kand. examen med datavetenskap som huvudämne förbereder för forskarutbildning i datavetenskap (Computing Science). Vid institutionen för datavetenskap ges forskarutbildning med inriktningarna datalogi, (Computer Science), numerisk analys, (Numerical Analysis) och parallella beräkningar (Parallel Computing).

Forskarutbildningen avslutas med licenciat- eller doktorsexamen.

7. Övriga föreskrifter (studieuppehåll)

En studerande som önskar göra uppehåll i utbildningen kan ansöka om studieuppehåll. Sådan ansökan ställs till programansvarig och inlämnas till studievägledare senast den 15 april inför höstterminen och senast den 15 oktober inför vårterminen.

Studieuppehåll kan beviljas för begränsad tid antingen på grund av tvingande skäl (sjukdom, militärtjänstgöring, graviditet, vård av barn eller annat omvårdnadsansvar) eller på grund av yrkesverksamhet (inklusive praktik och forskning), eller slutligen på grund av särskilda skäl.

Studerande som beviljats studieuppehåll för begränsad tid garanteras utbildningsplats vid uppehållets utgång. För att få ta sin utbildningsplats i anspråk skall den studerande skriftligen lämna besked om studiernas återupptagande före 15 april om det gäller höstterminen, och före 15 oktober om det gäller vårterminen.

Den som är antagen till ett utbildningsprogram och avbryter studierna utan att studieuppehåll beviljats förlorar sin platsgaranti. Önskar den studerande återuppta studierna vid en senare tidpunkt måste ansökan göras till varje enskild kurs. Alternativt måste en ansökan om att bli antagen till senare del av utbildningsprogram lämnas in.

8. Antagning/anmälan

Ansökan ställs till Verket för högskoleservice (VHS) och inlämnas senast 15 april. Antagning till programmet görs en gång om året.

9. Mer information

Ytterligare information kan fås från den programansvarige, tel 090/16 61 24, eller från studie-vägledaren vid institutionen för datavetenskap tel 090/16 61 28. Gemensamt faxnummer är 090/16 61 26, postadress: Umeå universitet, 901 87 Umeå.