Student ved IDI

Valg av studieretning og hovedprofil ved datateknologi - IDI

(Du ser på en arkivert versjon av denne siden. (4.9), Gå til siste versjon.)

På denne siden finner du informasjon om:

1) Studieretninger på datateknologi – kunnskaper og ferdigheter

2) Hvordan søke studieretning

3) Hovedprofiler på datateknologi – kunnskaper og ferdigheter

4) Hvordan velge hovedprofil

ill. studiets oppbygning datateknologi. 2 basis år. 1 år studieretning. 2 år hovedprofil.

Datateknologistudiet er delt inn i 2 fellesår, etterfulgt av 1 år med studieretning og 2 år med hovedprofil.

I 3. semester søker du opptak til studieretning. Hvilken studieretning du går på avgjør hvilken hovedprofil du kan velge.

 

1) Studieretninger på datateknologi – kunnskaper og ferdigheter

Studiet har fire studieretninger; algoritmer og datamaskiner, databaser og søk, kunstig intelligens, programvaresystemer.

For oversikt over obligatoriske- og valgbare emner i de ulike studieretningene se datateknologis studieplan i studiehåndboka.

Algoritmer og datamaskiner

  • Har avansert kunnskap om ytelsestunge beregningsprosesser og -mekanismers virkemåte
  • Har avansert kunnskap om metoder, algoritmer og arkitekturer for systemer med høy ytelse og/eller høye krav til nøyaktighet
  • Behersker programmering generelt og ytelsesfokusert programmering spesielt
  • Kan anvende metoder for teoretisk og empirisk evaluering av ytelsestunge og kvalitetskrevende systemer

Databaser og søk

  • Har videregående kunnskap om systemer og teknologi for lagring og håndtering av data og informasjon, deres bruksområder og karakteristiske egenskaper
  • Har avansert kunnskap om teknologi, metoder og teknikker for indeksering, spørringer og søk i strukturerte data og ustrukturert informasjon som tekst og andre multimedia data
  • Har avansert kunnskap om metoder og teknikker for bearbeiding og analyse av strukturerte data og tekst
  • Har videregående kunnskap om samfunnsmessige, etiske og juridiske problemstillinger knyttet til lagring, forvaltning, publisering og bruk av data og informasjon
  • Kan spesifisere, designe, implementere og evaluere systemer for lagring, oppdatering, indeksering, søk og analyse av strukturerte data, tekst og andre multimedia data
  • Kan evaluere, velge og tilpasse eksisterende systemer og løsninger i forhold til definerte bruker-/kundebehov
  • Kan analysere og vurdere systemer og løsninger i relasjon til ikke-tekniske forhold
  • Kan anvende kunnskaper og ferdigheter på nye problemer og bidra i forsknings- og utviklingsprosjekter

Kunstig intelligens

  • Generell forståelse for det matematiske, komputasjonelle, sosiologiske, psykologiske og biologiske grunnlag for kunstig intelligens
  • Oversikt over forskjellige metoder i kunstig intelligens, og hvordan og når disse er egnet for praktisk anvendelse
  • Grundig forståelse av klassiske kunnskapsrepresentasjoner som logikk og sannsynligheter, samt de resonneringsmetoder som passer til dem
  • Bred forståelse for selv-adaptivitet i både biologiske og kunstige systemer
  • God kjennskap til hvordan AI-moduler både kan kombineres med hverandre og kommunisere med mennesker og andre maskinelle moduler
  • Kan utvikle, lage og bruke automatiske resonnerings-, søkings- og problemløsnings-systemer som har grunnlag i datavitenskap, psykologi, sosiologi, spillteori og/eller biologi, for både deterministiske problemstillinger og de med mye usikkerhet
  • Kan utrykke kunnskap i logiske, probabilistiske og andre kjente formalismer, og i situasjonsspesifikke så vel som generaliserte strukturer
  • Kan kople AI-systemer til omverden, mennesker og andre maskiner (med bruk av sensorer, grensesnitt, kommunikasjonsnettverk, osv.), i både enkel og multi-agent kontekst
  • Kan lage datasystemer som kan lære av egne erfaringer - dvs. egne riktige og feilaktige handlinger - slik at adferden og ytelsen forbedres over tid
  • Kan analysere brukerens behov for beslutningsstøtte og designe og implementere tilsvarende beslutningsstøttesystemer

Programvaresystemer

  • Har videregående kunnskap om programvarearkitektur for utvikling, integrasjon og evaluering av større IT-systemer
  • Har videregående kunnskap om metodikk for utvikling, integrasjon og evaluering av større IT-systemer i organisasjoner
  • Kan identifisere, definere, analysere og evaluere forskjellige arkitekturer, rammeverk og utviklingsverktøy for IT-systemer i henhold til krav og kundebehov
  • Kan jobbe effektivt med kundestyrte IT-prosjekter med krav, design, implementasjon, testing og prosessforbedring

 

2) Hvordan søke studieretning

Student på datateknologi

Du søker opptak til studieretning via Studentweb. Frist er 15. mai i 4. semester (2. året). Du har mulighet til å prioritere 3 retninger. Du kan legge inn søknad fra og med 15. april.

 

Student med innvilget intern overgang til datateknologi

Har du fullført alle emne i 1. og 2. året datateknologi vil du bli plassert i 3. året.

Sender du en e-post til studier@idi.ntnu.no for å få registrert din prioritering. Du har ikke mulighet til å gjøre dette i Studentweb.
E-posten skal inneholde en rangert liste over studieretningene du ønsker å søke på.

Denne framgangsmåten gjelder også for deg som har søkt via samordna opptak men har nok emner til å starte i 3. året.

 

Grunnlag for tildeling av plasser

Studieretningene på datateknologi har begrenset antall plasser:
Du er garantert plass på en av studieretningene.

Studieretning Antall plasser
Algoritmer og datamaskiner 40
Databaser og søk 30
Kunstig intelligens 50
Programvaresystemer 40

Opptaket til studieretningen skjer med bakgrunn i prioritert valg og karakterer i de 10 første emnene i datateknologigraden:

1. Semester

  • Examen philosophicum for naturvitenskap og teknologi (Ex.phil) – EXPH004
  • Informasjonsteknologi, grunnkurs – TDT4110
  • Matematikk 1 – TMA4100
  • Diskret matematikk – TMA4140

2. Semester

  • Objektorientert programmering – TDT4100
  • Krets- og digitalteknikk – TFE4101
  • Matematikk 3 – TMA4115

3. Semester

  • Algoritmer og datastrukturer – TDT4120
  • Datamaskiner og digitalteknikk – TDT4160
  • Statistikk – TMA4240

Emnene TDT4112 Programmeringslab for datateknologi og TDT4113 Datateknologi, programmeringsprosjekt er ikke en del av grunnlaget da vurderingen er bestått/ikke bestått. 

 

Poenggrenser ved forrige opptak

studieretning poenggrense
Algoritmer og datamaskiner Alle
Databaser og søk Alle
Kunstig intelligens 2,3
Programvaresystemer Alle

 

3) Hovedprofiler på datateknologi – kunnskaper og ferdigheter

For 5-årig datateknologi (MTDT) – hvilken studieretning du går legger grunnlaget for hvilken hovedprofil du kan velge i 4. året.

For 2-årig datateknologi (MIDT) – Etter studiestart søker du deg inn på en hovedprofil. 

Studieretningene databaser og søk og kunstig intelligens fører til hver sine hovedprofiler. De to øvrige studieretningene deles inn i totalt seks hovedprofiler.

Studieretningen algoritmer og datamaskiner kvalifisere deg til:

  • Algoritmer og HPC
  • Datamaskiner og systemprogramvare
  • Visuell databehandling

Studieretningen programvaresystemer kvalifisere deg til:

  • Digital virksomhetsutvikling
  • Interaksjonsdesign og spillteknologi
  • Programvareutvikling

For oversikt over obligatoriske- og valgbare emner i de ulike hovedprofilene se datateknologis studieplan i studiehåndboka.

Kunnskaper og ferdigheter

Algoritmer og HPC

  • Har inngående kunnskap om teorier og metoder for å håndtere problemkompleksitet og ytelseskrav innen områder som utvikling av programeringsmiljø for heterogene og/eller parallelle beregningssystemer, samt algoritmer for kombinatorisk optimering, numeriske beregninger og/eller grafalgorithmer
  • Behersker omsetning av algoritmer, programeringsmiljø og/eller numeriske metoder i praksis, på måter som utnytter beregningskraften i moderne flerkjernesystemer, inkludert heterogenene systemer med GPUer, PC-klynger og/eller superdatamaskiner

Datamaskiner og systemprogramvare

  • Har avansert kunnskap om datamaskiners konstruksjon og virkemåte samt hvordan programvare og maskinvare samhandler i en datamaskin
  • Har inngående kunnskap om teorier, metoder og teknikker som anvendes til analyse og realisering av datamaskinsystemer Kjenner til utviklingsprosess for systemer som involverer både maskinvare og programvare
  • Behersker programmering generelt og maskinvarenær programmering spesielt
  • Kan anvende metoder for design og utvikling av digitale elektroniske systemer på ulike abstraksjonsnivå til å realisere datamaskinsystemer

Visuell databehandling

  • Har inngående kunnskap om bilde-analyse og bilde-syntese
  • Har inngående kunnskap om viktige algoritmer for bildebehandling, datasyn, visuell intelligens, grafikk, visualisering og utvidet virkelighet (VR/AR/MR)
  • Behersker programmering og sentrale verktøy knyttet til visuell databehandling slik som OpenGL, AI rammeverk som Tensorflow/PyTorch og spill-motorer som Unity
  • Kan anvende sentrale teknikker for visuell databehandling innenfor ulike domener som medisin, biometri, data-sikkerhet, seismikk, autonomi og arkeologi

Digital virksomhetsutvikling

  • Har videregående kunnskap om virksomhetsarkitektur der IKT systemer har en viktig del
  • Har videregående kunnskap innen IT-strategi og forretningsmessig bruk av IKT
  • Har god kunnskap om digitale forretningsmodeller og innovasjonsteknikker med bruk av IKT
  • Kan jobbe effektivt med virksomhetsmodeller, inkludert modeller av forretningsprosesser og forretningsmodeller
  • Kan bruke modell-baserte og semantiske teknikker for krav, analyse og design og videreutvikling av informasjonssystemer

Interaksjonsdesign og spillteknologi

  • Har videregående kunnskap om brukernære teknikker og metoder for design, utvikling og evaluering av grafiske brukergrensesnitt, dataspill og samhandlingsteknologi
  • Har videregående kunnskap om programvarearkitekturer, rammeverk og utviklingsverktøy for grafiske brukergrensesnitt, dataspill og samhandlingsteknologi
  • Har god kunnskap om datagrafikk og interaksjonsteknologier, samt deres relevans for grafiske brukergrensesnitt, dataspill og samhandlingsteknologi, og god kunnskap om det teoretiske grunnlaget for brukervennlige grafiske brukergrensesnitt, dataspill og samhandlingsteknologi
  • Kan jobbe effektivt med brukernær design, utvikling og evaluering av grafiske brukergrensesnitt, dataspill og samhandlingsteknologi

Programvareutvikling

  • Har videregående kunnskap om spesifikasjon, modellering og testing i forhold til innovative prosesser og produkter
  • Har kunnskap om erfaringsbasert forbedring av prosesser og produkter
  • Har god kunnskap om det teoretiske grunnlaget for programvareutvikling, forbedring, kvalitetssikring og programvarebasert innovasjon
  • Kan jobbe effektivt med software design, utvikling og evaluering
  • Kan identifisere, definere, analysere og evaluere forskjellige arkitekturer, rammeverk og utviklingsverktøy for store og/eller innovative systemer i henhold til krav og kundebehov

 

4) Hvordan velge/søke hovedprofil

For 5-årig datateknologi (MTDT)

Hovedprofil velges i studentweb innen 15. mai i 6. semester (3. året).

Opplever du problemer med å få valgt profil kan du kontakte studieveileder Julie E. Takacs ved IE-fakultetet

 

For 2-årig datateknologi (MIDT)

Hovedprofil søkes i studentweb. Du vil få informasjon om søknadsfrist ved studiestart.

Opplever du problemer med å få valgt profil kan du kontakte studieveileder Julie E. Takacs ved IE-fakultetet

0 Vedlegg
2173 Visninger
Gjennomsnitt (0 Stemmer)