Finner retningen …
Finner retningen …
Laster botkontroll.
Gjennomsnittlig svar: ingen svar
Gjennomsnittlig svar: ingen svar
Gjennomsnittlig svar: ingen svar
Gjennomsnittlig svar: ingen svar
KARAKTERFORDELING · H 2025
21 kandidater
Alle delene må normalt være bestått. Karakterfordelingen over gjelder emnet samlet.
Kilde: Data hentet fra Felles studentsystem ved NMBU, slik den var publisert for høsten 2026. NMBU har ikke kvalitetssikret og er ikke ansvarlig for innholdet på denne siden.
NMBU sin egen emnebeskrivelse — læringsutbytte, innhold og vurderingsform.
Dette emnet har som mål å gi studentene alle ferdighetene som trengs for å arbeide innen avls- og genetikkbransjen, fra moderne fenomikkmetoder til avanserte kvantitative genetiske modeller. Emnet legger vekt på analyse og problemløsning fra virkeligheten basert på datasett levert i samarbeid med norske avlsselskaper og organisasjoner. Denne praktiske erfaringen gir studentene mulighet til å anvende sine ferdigheter på et komplekst, tverrfaglig problem, som kulminerer i utarbeidelsen av en rapport som presenterer en avlsstrategi eller et produktforslag tilpasset studentenes valgte datasett.
Emnet gir studentene både teoretiske og praktiske ferdigheter til å drive genetisk innovasjon gjennom integrering av de nyeste verktøyene og modellene innen fenomikk og lineære blandede modeller for estimering av avlsverdier, inkludert genomisk seleksjon. Med utgangspunkt i generering av nye fenotyper vil studentene arbeide med ulike digitale datastrømmer, som bilder, sensordata og vibrasjonsspektroskopi, for å utvikle nye og presise målinger av egenskaper som er kritiske for moderne avlsprogrammer. Gjennom praktiske øvelser i R vil studentene opparbeide seg kompetanse i dataanalyse og tolkning for praktiske anvendelser innen presisjonsavl.
The course then moves on to advanced techniques in linear mixed modeling, variance component estimation, and breeding value prediction to enable effective selection decisions. Students will explore various statistical models, including univariate animal models, multivariate models, and models incorporating genotype-environment interactions. Prediction errors and model comparisons will be reviewed to enhance understanding and application of these statistical methods.
Students then extend their understanding of linear mixed models to modern genomic selection models, kinship matrices, and genome-wide association studies.
Knowledge:
Students will gain a theoretical understanding of how to evaluate:
Skills:
Competence:
Students will be confident when exposed to new data sets and interdisciplinary breeding problems, and have the ability to find optimal solutions for genetic progress and socially responsible animal breeding.
Weekly lectures will cover the theoretical concepts underlying the course modules.
Weekly physical computer labs will focus on data manipulation and analysis in R and other relevant software.
Early presentation of selected dataset, research question and approach (mandatory activity without grade).
Final presentation to the class and subject teachers about results and conclusions (mandatory activity without grade).
A final written report based on the student's choice of assigned data sets with the aim of achieving genetic progress (grade-giving activity).
Det vil bli holdt to presentasjoner i løpet av emnet. Den første presentasjonen er svært kort, der studenten beskriver sitt valgte datasett og sitt forskningsspørsmål. Faglærerne vil godkjenne datasettet som egnet eller anbefale å endre datasettet eller forskningsspørsmålet.
Den avsluttende presentasjonen innebærer at studenten presenterer sine funn og anbefalinger for klassen. Medstudenter og faglærere stiller spørsmål og gir tilbakemeldinger. Studentene kan bruke disse tilbakemeldingene til å gjøre eventuelle endringer i den avsluttende skriftlige rapporten.
Kilde: Data hentet fra Felles studentsystem ved NMBU, slik den var publisert for høsten 2026. NMBU har ikke kvalitetssikret og er ikke ansvarlig for innholdet på denne siden.
Hva burde andre vite før de tar dette? Anonymt, ingen innlogging.
Basert på hvor kandidatene til eksamen var registrert (DBH).
Emner som tas i de samme studieprogrammene som HFA350.