Finner retningen …
Finner retningen …
Laster botkontroll.
Gjennomsnittlig svar: ingen svar
Gjennomsnittlig svar: ingen svar
Gjennomsnittlig svar: ingen svar
Gjennomsnittlig svar: ingen svar
KARAKTERFORDELING · V 2024
6 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.
Teknologi og løsninger for et mer bærekraftig landbruk. Deltakelse i Smart Farming og grønn innovasjon NMBU bærekraftsarena (2021-24) og Green Innovation Student LAB*). Presisjonslandbruk. GNSS / GIS / IoT. Agriculture 4.0. Digitalisering i landbruket. Automasjon, bruk av sensorer, droner og feltroboter i landbruket. Pløying og redusert jordarbeiding. Hvordan redusere jordpakking. Spredning av gjødselstoffer. Såfrøetablering. Høsting av korn og frø. Grasproduksjonsteknikk. Potetproduksjonsteknikk. Traktorer og basismaskiner for jordbruk.Kjemisk og alternativ plantevern. Funksjonstest av sprøyteutstyr. Studentene kan følge autorisasjonskurs for bruk av plantevernmidler (ta autorisasjonskursbevis).
*) Green Innovation Student LAB er et opplegg som fremmer studentaktiv læring og innovasjon ute i felt der studenter utfører prosjekter i felt med sensorer, roboter og droner sammen med forskere og næringslivspartnere.
Kunnskap og erfaring fra praktisk landbruksproduksjon vil være en fordel for utbyttet av kurset.
Potensielle støttekurs som tilbys ved NMBU:
JORD100 - Jordlære.
PJH102 - Introduksjon til hagebruk og avlingsvitenskap,
JORD231 Gjødselplanlegging og presisjonsjordbruk
eller kurs med tilsvarende anbefales.
Plantevitenskap, økonomi, husdyrfag- og teknologistudenter. Erfaringsmessig deltar også studenter fra andre retninger. Presisjonslandbruk er i seg selv tverrfaglig.
Studenter med bakgrunn fra anvendt robotikk, produktutvikling, sensorer, geomatikk og bildegjenkjenning er aktuelle for å utvikle det tverrfaglige området som vi har innen smart farming.
K2 - Spesifisert bruk av KI.
KI brukes mer og mer ved dataanlyse av store innsamlende datamengder i landbruket (snakker om petabyte = 1.000.000 GB). Men det vil ikke bli brukt i utarbeidelse av rapporten.
Bruk av KI må være i tråd med retningslinjene for bruk av kunstig intelligens (KI) ved NMBU.
Ingunn Burud (bildeanalyse) og andrer vedr landbruksroboter.
Teknisk støtte ved øvelser med maskiner.
Emnet tilbys alle studenter med relevant bakgrunn.
Minimum 10 studenter. Hvis færre påmeldte, kan det tilbys et tilpasset opplegg basert på større grad av selvstudium.
Emnet er på 5 ECTS som krever ca 125 timers arbeid.
I tillegg anbefale at studentene tar TMPA230 Smart Farming BootCamp som går i juni rett etter avsluttet TMPA210. Det gir i tillegg 5 ECTS. Dette er også åpent for andre studenter ved NMBU.
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 TMPA210.
| Semester | Kandidater | Stryk |
|---|---|---|
| Vår 2024 | 6 | 0 % |
| Vår 2023 | 20 | 0 % |
| Vår 2022 | 19 | 0 % |
| Vår 2021 | 6 | 0 % |
| Vår 2020 | 13 | 0 % |
| Vår 2016 | 20 | 20 % |
| Vår 2014 | 6 | 0 % |