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
5 kandidater
Kilde: Felles studentsystem (FS) via NTNU, slik den var publisert for høsten 2026. NTNU er ikke ansvarlig for innholdet på denne siden.
NTNU sin egen emnebeskrivelse — læringsutbytte, innhold og vurderingsform.
Dette emnet er utviklet for å utdype studentenes kunnskap og ferdigheter innen maskinlæring og data science (AI), med særlig anvendelse innen digital forensikk og etterforskning, samt informasjonssikkerhet. Emnet gir også en mulighet til å utvikle erfaring i å skrive forskningsartikler innen disse fagområdene og å presentere pågående forskning for klassen. Studentene vil få flere alternativer for temaer å fordype seg i, eller de kan foreslå sitt eget tema.
Studenter som tas opp til emnet forventes å ha forkunnskaper i grunnleggende maskinlæring og digital forensikk/etterforskning.
Undervisningen består av en serie forelesninger og øvinger, hvor hver samling fokuserer på et bestemt tema. Temaene omfatter (men er ikke begrenset til): juridiske vurderinger knyttet til AI og data i forensiske og etterforskningsrelaterte studier, bildeklassifisering, avansert og anvendt naturlig språkprosessering, bruk av dyp læring, samt datavisualisering.
Kunnskap
Etter fullført emne har kandidaten:
Ferdigheter
Etter fullført emne kan kandidaten:
Generell kompetanse
Etter fullført emne kan kandidaten:
Bærekraftsmål
Dette emnet støtter flere av FNs bærekraftsmål ved å utvikle studentenes evne til å anvende kunstig intelligens på en ansvarlig, forskningsbasert og samfunnsrelevant måte innen digital forensikk, etterforskning og informasjonssikkerhet.
Særlig relevante mål:
Gjennom forskningsarbeid, etiske vurderinger og utvikling av moderne AI-metoder får studentene kompetanse som kan bidra til sikre, rettferdige og teknologisk avanserte samfunn.
Former for vurdering
Studentene skal presentere arbeidet sitt for klassen tre ganger i løpet av semesteret. Presentasjonene omfatter:
Dersom studenten ikke kan delta fysisk, skal presentasjonene leveres som opptak.Manglende presentasjoner eller opptak vil medføre reduksjon i sluttkarakteren.
Kontinuasjon
Kontinuasjon: Hele emnet må tas på nytt neste gang det tilbys.
Studenten skal arbeide så selvstendig som mulig, under veiledning fra faglærer.
Kilde: Felles studentsystem (FS) via NTNU, slik den var publisert for høsten 2026. NTNU 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 IMT4210.
| Semester | Kandidater | Snitt | Stryk |
|---|---|---|---|
| Høst 2025 | 5 | C (3.00) | 0 % |
| Høst 2024 | 21 | A (4.52) | 0 % |
| Høst 2023 | 12 | B (4.17) | 0 % |
| Høst 2022 | 16 | C (3.38) | 0 % |
| Høst 2021 | 20 | A (4.75) | 0 % |
| Høst 2020 | 8 | B (4.25) | 0 % |
| Høst 2018 | 15 | C (3.13) | 20 % |
| Høst 2017 | 7 | A (4.57) | 0 % |