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
386 kandidater
Alle delene må normalt være bestått. Karakterfordelingen over gjelder emnet samlet.
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.
Kunnskap: Studentene vil forstå sentrale konsepter, metoder og etiske betraktninger innen maskinlæring som er relevante for å bygge praktiske applikasjoner.
Ferdigheter: Studentene vil kunne bruke eksisterende verktøy for maskinlæring til å forhåndsbehandle data, velge modeller, evaluere ytelse og utvikle applikasjoner for virkelige problemer.
Generell kompetanse: Studentene vil lære å samarbeide i team, anvende maskinlæring på en ansvarlig måte og tilpasse verktøy for å løse praktiske problemer effektivt.
Emneevalueringen består av to deler:
Individuell oppgave: Omtrent en måned etter semesterstart må hver student fullføre en individuell oppgave. Hver student får to muligheter til å bestå oppgaven; i tilfelle av et andre forsøk, vil det bli trukket 5 % av den totale skåren. Studenter som ikke består oppgaven på noen av de to forsøkene, vil få karakter 'F' (stryk) som endelig karakter i emnet.
Kursprosjekt: Studentene som består den individuelle oppgaven er kvalifisert til å gå videre til prosjektet. Dette vurderes som et teamarbeid, der hvert team består av maksimalt tre studenter. Prosjektkarakteren settes basert på grunnpoeng (varierende fra maksimalt 100 % til minimum 41 %) med potensielle prosjekttrekk (varierende fra 0 % til -17 %). Grunnpoeng er proporsjonale med antall virtuelle team (VT-er) som studentteamet overgår når det gjelder prediksjonsytelse. VT-ene settes sammen av foreleser og læringsassistenter. Hvis et studentteam ikke overgår noen VT-er, teller prosjektet som ikke bestått, hvilket fører til stryk i faget. Potensielle trekk kan inkludere forsinket prosjektlevering (innen tre dager) og utilstrekkelig dokumentasjon av viktige komponenter innen maskinlæring.
Endelige poeng avrundes til bokstavkarakterer basert på NTNU-standardintervallene.
Ved frivillig gjentak, stryk (F) eller gyldig fravær, må mappen tas på nytt i semester med undervisning.
Lærebøker:
Utvalgte artikler og kodeeksempler.
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 TDT4173.
| Semester | Kandidater | Snitt | Stryk |
|---|---|---|---|
| Høst 2025 | 386 | B (3.56) | 1,6 % |
| Høst 2024 | 388 | B (4.37) | 0 % |
| Høst 2023 | 355 | B (3.86) | 2,3 % |
| Høst 2022 | 281 | C (2.98) | 22,4 % |
| Høst 2021 | 276 | C (3.16) | 21,7 % |
| Høst 2020 | 221 | B (4.20) | 1,4 % |
| Høst 2019 | 157 | C (2.56) | 9,6 % |
| Vår 2019 | 117 | C (2.95) | 8,6 % |
| Høst 2018 | 3 | B (4.00) | 0 % |
| Vår 2018 | 119 | C (3.21) | 5 % |
| Høst 2017 | 3 | B (4.00) | 0 % |
| Vår 2017 | 74 | C (3.27) | 0 % |
| Vår 2016 | 74 | C (2.96) | 5,4 % |
| Høst 2014 | 56 | C (2.98) | 7,1 % |
| Høst 2013 | 46 | C (3.00) | 15,2 % |
| Høst 2012 | 64 | C (2.97) | 0 % |
| Høst 2011 | 22 | C (2.73) | 0 % |