Finner retningen …
Finner retningen …
4 svar totalt, inkludert svar fra Karakterweb.
Laster botkontroll.
Gjennomsnittlig svar: ingen svar
Gjennomsnittlig svar: Helt OK
1 svarGjennomsnittlig svar: Litt vanskelig
1 svarGjennomsnittlig svar: Litt liten
2 svar4 av 4 svar er hentet fra Karakterweb, resten er avgitt her.
KARAKTERFORDELING · V 2025
171 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.
Dette kurset skal gi en innføring i bruk av klassiske numeriske metoder som er relevante for studie- programmene MTPRPOD, MTING og MTBYGG. Emnet er obligatorisk for studieretning Industriell mekanikk.
De numeriske metodene som brukes i dette emnet er relatert til numeriske analyser av ordinære og partielle differensialligninger, numerisk optimering og maskinlæringsteknikker(kunstige nevrale nettverk). Eksempler fra de 2- 3 første studieårene, hovedsakelig for studie- programmene MTPRPOD, MTING og MTBYGG, vil bli brukt som bakgrunn for bruken av de numersike metodene.
Bruker følgende forkortelser nedenfor: ODE : Ordinære differensialligninger PDE : Partielle differensialligninger
IVP: Startverdiproblemer
BVP: Randverdiproblemer
ANN: Kunstig nevralt nettverk
Kunnskaper:
Kandidaten skal ha kunnskap om: - Numeriske metoder for løsing av ODEer og PDEer i IVP/BVP.
- Grunnleggende endelig-differanseskjemaer for parabolske, elliptiske og hyperbolske PDE-klasser. - Nøyaktighet, konsistens og stabilitet av numeriske metoder for ODEer og PDEer
-Numeriske optimeringsskjemaer, både begrensede og ubegrensede, med én og flere variable
-Gradientfrie og gradientbaserte generiske algoritmer for optimering.
-Matematisk formulering av ANNer inkludert deres trening og validering.
Ferdigheter: Kandidaten kan: -Identifisere start og randverdiproblemer for OEEer, velge en passende numerisk løsningsstrategi og implementere/løse problemet ved bruk av Python. - Diskretisere de tre hovedtypene av PDEer ved bruk av differansemetoder, samt programmere det diskretiserte problemet. - Sette opp et optimeringsproblem i Python og velge en passende optimeringsstrategi for det aktuelle problemet. - Sette opp er ANN i Python med alle nødvendige steg for dets læring, validering og bruk.
Generell kompetanse: Kandidaten har grunnleggende kompetanse i: - Programmering (Python) for videre bruk i studiet. - Numeriske beregninger for ingeniør-anvendelser som basisgrunnlag for mer avanserte numeriske metoder.
Digital kompetanse: Utstrakt bruk av Python som verktøy for å løse mekanikk-relaterte problemer.
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 TKT4140.
| Semester | Kandidater | Snitt | Stryk |
|---|---|---|---|
| Høst 2025 | 5 | C (3.00) | 0 % |
| Vår 2025 | 171 | C (2.96) | 8,8 % |
| Høst 2024 | 7 | C (3.00) | 0 % |
| Vår 2024 | 108 | C (2.68) | 13 % |
| Vår 2023 | 113 | B (3.81) | 2,7 % |
| Vår 2022 | 53 | B (4.40) | 0 % |
| Vår 2021 | 57 | B (3.60) | 0 % |
| Vår 2020 | 91 | – | 4,4 % |
| Vår 2019 | 49 | C (2.94) | 14,3 % |
| Høst 2018 | 4 | C (3.00) | 0 % |
| Vår 2018 | 75 | C (2.95) | 8 % |
| Vår 2017 | 49 | C (2.78) | 10,2 % |
| Vår 2016 | 45 | C (3.36) | 8,9 % |
| Vår 2015 | 44 | C (3.23) | 0 % |
| Vår 2014 | 56 | B (3.52) | 0 % |
| Vår 2013 | 43 | B (3.74) | 0 % |
| Vår 2012 | 89 | B (3.96) | 0 % |
| Høst 2011 | 3 | A (5.00) | 0 % |
| Vår 2011 | 84 | B (4.13) | 0 % |