Computational Engineering - master 2 år

Læringsutbytte

En kandidat med fullført og bestått toårig mastergrad i Computational Engineering skal ha følgende samlede læringsutbytte definert i form av kunnskap, ferdigheter og generell kompetanse: 

Kunnskap  

K1: Kan demonstrere kompetanse innenfor usikkerhetskvantifisering og avansert modellering for beslutningsstøtte. Dette innebærer at kandidaten har evnen til å utvikle matematiske modeller som tar høyde for usikkerhet i ufullstendige data og informasjon. Modellene skal gi grunnlag for forbedret forståelse og tolkning av data samt for beslutningsstøtte. 

K2: Har kunnskap om flere matematiske og datavitenskapelige modeller slik at man kan bestemme passende matematisk formulering for å beskrive et system.

K3: Har kunnskap om numeriske løsningsmetoder slik at man kan kvantifisere begrensninger i de matematiske modellene og de numeriske feilene introdusert av løsningsmetodene.

Ferdigheter 

F1: Kan analysere, og være kritisk til ulike informasjonskilder og anvende disse kildene til å strukturere og formulere faglige og vitenskapelige resonnementer i henhold til modellering, usikkerhetskvantifisering, simulering, optimalisering og beslutningsstøtte.

F2: Har detaljert kunnskap og erfaring med programmering i minst ett programmeringsspråk på høyt nivå. Utvikle egne modelleringsprogrammer for spesifikke beslutnings- eller optimaliseringssituasjoner

F3: Kan samle, analysere og kritisk vurdere egnede datasett for å teste modeller. Juster modellparametere ved å bruke data og ekspertkunnskap. Utfør sensitivitetsanalyse av modellparametere for å gi ytterligere innsikt og forståelse.

F4: Er i stand til å finne den rette balansen mellom en modells nytteverdi (hvor troverdig er forståelsen som modellen gir) og håndterbarhet (enhver analyse må gjennomføres innenfor gitte tids- og ressursbegrensninger).

F5: Kan gjennomføre et selvstendig, avgrenset forsknings- eller utviklingsprosjekt under veiledning og i henhold til gjeldende normer for forskningsetikk.

Generell kompetanse 

G1: Kan utvikle hypoteser og foreslå systematiske måter å teste disse på ved hjelp av matematiske modeller.

G2: Kan kommunisere på en profesjonell måte om vitenskapelige problemer, beslutninger, resultater av data, usikkerhet og modelleringsanalyse – både til spesialister og til allmennheten. 

G3: Kan bruke matematisk modellering som et verktøy i et bredt spekter av problemer og anvendelser innen ulike fagområder og bidra til innovasjon.

G4: Kan analysere relevante akademiske, faglige og forskningsetiske problemstillinger

Utveksling

Opplegg for utvekslingen 

I 3. semester på masterprogrammet i Computational Engineering er det lagt til rette for et studieopphold i utlandet.

Det er satt opp 30 studiepoeng valgemner i 3. semester. I utlandet må du velge fag som gir en tilsvarende fordypning innen ditt fagområde, og disse må være godkjente før du reiser ut. Det er også viktig at emnene du skal ta i utlandet ikke overlapper med emner du alt har tatt eller skal ta senere i studiet. Et tips er å tenke på din spesialisering og ditt interessefelt.

Flere muligheter 

I tillegg til de faglig anbefalte lærestedene som er listet opp under, har UiS en rekke avtaler med universitet utenfor Europa som er aktuelle for alle studenter på UiS med forbehold om at de finner et relevant fagtilbud. Innen Norden kan alle studenter benytte seg av Nordlys- og Nordtek-nettverkene.

Finn ut mer.

Svalbard
Studenter på dette programmet kan søke om å ta emner ved UNIS som del av studiet. Mer informasjon om dette her.

Kontakt studiekoordinator om du har spørsmål eller ønsker veiledning om forhåndsgodkjenning av emner. 

Kontaktperson 

Veiledning og forhåndsgodkjenning av emner: Karina Sanni 

Generelle spørsmål om utveksling: Gå til utvekslingsveilederen i Digital studentekspedisjon