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
45 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.
Hovedvekt vil være på ende-til-ende databehandling, analyse og presentasjon for overvåking og beslutningsstøtte. Gjennom ulike use case vil data bli hentet fra databaser, online kilder og/eller sensorer, filtrert/renset, kombinert/analysert og presentert for sluttbrukeren. Dashboard med plott og nøkkelverdier vil være viktigste output.
Kurset støtter opp under FNs bærekraftmål 4 (god utdanning - industrirelevans for studentene), 9 (industri, innovasjon og infrastruktur - bedre utnyttelse av industrielle data, intern og ekstern infrastruktur), 10 (mindre ulikhet - bruk av åpne plattformer, programmeringsspråk og verktøy) og 12 (ansvarlig forbruk og produksjon - effektivisere og forbedre produksjonsprosesser).
Kunnskap
Teoretiske aspekter som databasespørringer, APIer, algoritmer, osv. vil bli belyst der det er behov mens praktiske problemer er hovedtema.
Ferdigheter
Studenten vil lære å planlegge, implementere og teste et system for datafangst, databearbeiding og tilgjengeliggjøring for sluttbruker. Hun vil lære om aktuelle datatyper, datakvalitet, samt å ta i bruk verktøy som trengs for å gi støtte til beslutninger og forbedret automatisering.
Generell kompetanse
Ved bruk av obligatorisk oppgaver som bygger på hverandre og involverer studenter på kryss gjennom fagfellevurdering, vil studentene lære om kortsiktige og langsiktige mål, bruk av konstruktiv kritikk og kontinuerlig forbedring av prosesser og produkter.
Videregående programmering, inkludert versjonskontroll og objektorientering (tilsvarende NMBUs INF201).
Introduksjon til maskinlæring (tilsvarende NMBUs DAT200 eller MLA210).
Introduksjon til databaser (tilsvarende NMBUs INF230).
Forelesninger: ca 52 timer.
Øvinger: ca 26 timer.
Obligatorisk aktivitet og egenstudium: ca 172 timer.
Forelesninger: 2+2 timer per uke.
Øvinger: 2 timer per uke.
Kurset holdes for fjerde gang. De første årene har det fra semesterstar vært ca 20, 40+ og 50+ studenter. Vi gjetter på 40-60 studenter i 2026.
Kurset streames og går parallelt som VU-IND320, så rom med opptaksutstyr er viktig.
Timeplansikring: Unngå kollisjon med DAT300, DAT350.
Eksamenssikring: I tillegg til ovennevnte, unngå kollisjon med MATH250.
K3
Kunstig intelligens brukes aktivt i kurset både i undervisningen og oppgaveløsningen. Ansvarlig og transparent inkludering av KI vektlegges. KI ble anvendt som støtte i utviklingen av kurset. Integrering av KI i prosjektet som inngår i mappevurderingen vil gjennomføres om praktisk mulig.
Bruk av KI må være i tråd med retningslinjene for bruk av kunstig intelligens (KI) ved NMBU.
Forelesningene vil være en blanding av teori og praktiske aktiviteter. Diskusjoner av for eksempel konsekvenser av design- og implementasjonsvalg, mål og måloppnåelse kan inngå i grupper og plenum.
Et semesterprosjekt med implementering og dokumentasjon gjennomføres som modulbasert mappevurdering (se eksamen). Milepæler knyttet til tema i forelesningene vil fagfellevurderes underveis, mens endelig godkjenning gjøres av faglærer.
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 IND320.
| Semester | Kandidater | Stryk |
|---|---|---|
| Høst 2025 | 45 | 8,9 % |
| Høst 2024 | 28 | 0 % |
| Høst 2023 | 8 | 0 % |