Kursen ingår i dessa läroplaner och studiehelheter
- Energi- och miljöteknik 2021 - Lärdomsprov och metodik
- Energi- och miljöteknik 2022 - Lärdomsprov och metodik
- Process- och materialteknik 2014 - Design
- Process- och materialteknik 2015 - Design
- Process- och materialteknik 2016 - Metodik och examensarbete
- Process- och materialteknik 2017 - Metodik och examensarbete
- Process- och materialteknik 2018 - Metodik och examensarbete
- Process- och materialteknik 2019 - Metodik och examensarbete
- Process- och materialteknik 2020 - Metodik och examensarbete
- Process- och materialteknik 2021 - Lärdomsprov och metodik
- Process- och materialteknik 2022 - Lärdomsprov och metodik
- Materials processing technology 2014 - Design
- Materials processing technology 2015 - Design
- Materials processing technology 2016 - Metodik och examensarbete
- Materials processing technology 2017 - Metodik och examensarbete
- Materials processing technology 2018 - Metodik och examensarbete
- Materials processing technology 2019 - Metodik och examensarbete
- Mechanical and sustainability engineering 2020 - Metodik och examensarbete
- Mechanical and sustainable engineering 2021 - Lärdomsprov och metodik
- Mechanical and sustainable engineering 2022 - Lärdomsprov och metodik
Kursens undervisningsperiod
1 (2022-08-01 till 2022-10-23)
Nivå/kategori
Undervisningsspråk
Engelska
Kurstyp
Obligatorisk
Cykel/nivå
Yrkeshögskoleexamen
Rekommenderat studieår
4
Omfattning
5 sp
Kompetensmål
Målsättningen med kursen är att lära studenten att
analysera större data mängder med matematiska
verktyg i datormiljö
Läranderesultat
Efter avklarad kurs förväntas den studerande vara
förmögen att planera ett experiment med hög
signal till brus förhållnade och extraherar från
datan information. Informationsextraktionen
använder filtering, tidseriesanalys,
regressionsräkning, derivering och integrering
samt modellanpassning.
Innehåll
- produktion av data (materialteknisk)och
undersökning av brus och felmarginal
- extraction av informtation från rådata med
matematiska verktyg (scilab, matlab, octave, excel)
Förkunskaper
Matematik
Kursen ersätter följande kurser
inga
Litteratur
material utdelas under föreläsningar
Studieaktiviteter
- Föreläsningar - 60 timmar
- Individuell handledning och grupphandledning - 30 timmar
- Praktiska övningar - 40 timmar
- examen - 5 timmar
Arbetsbelastning
- Kursens totala antal arbetstimmar: 135 timmar
- Varav självstyrda studieformer: 135 timmar
- Varav schemalagda studier: 0 timmar
Undervisningsform
Närundervisning
Examinationsformer
- Tentamina (skriftliga-, muntliga-, hem-)
- Essä, rapporter, produktioner och portfolio
Examinationskrav
Teoritent 70% och en rapport om olika egna
dataanalyser 30%
vitsord 1 50-59%
vitsord 2 60-69%
vitsord 3 70-79%
vitsord 4 80-89%
vitsord 5 90-100%
Lärare
Herrman Rene
Examinator
Herrmann Rene
Kursens hemsida
Antal kursplatser
Ingen begränsning (29 studenter anmälda)
Delprestation i kraft till
12 månader efter kursens slutdatum
Kursanmälningstid
2022-08-10 till 2022-09-06
Examinationsformer
- Tentdatum meddelas senare - Tentamina
- Datum meddelas senare - Rapporter och produktioner
Datum | Tid | Rum | Titel | Beskrivning | Organisatör |
---|---|---|---|---|---|
2022-08-31 | 13:15 - 16:00 | D399 | Dataanalys | Herrman Rene | |
2022-09-07 | 13:15 - 16:00 | D399 | Dataanalys | Herrman Rene | |
2022-09-14 | 13:15 - 16:00 | D399 | Dataanalys | Herrman Rene | |
2022-09-21 | 13:15 - 16:00 | D399 | Dataanalys | Herrman Rene | |
2022-09-28 | 13:15 - 16:00 | D399 | Dataanalys | Herrman Rene | |
2022-10-05 | 13:15 - 16:00 | D399 | Dataanalys | Herrman Rene | |
2022-10-12 | 13:15 - 18:00 | D399 | Dataanalys | Herrman Rene | |
2022-10-14 | 13:15 - 15:00 | E387 | Dataanalys | Herrman Rene | |
2022-10-17 | 13:15 - 15:00 | E387 | Dataanalys | Herrman Rene | |
2022-10-19 | 12:45 - 16:00 | F365 | Data Analysis Examination | Herrman Rene | |
2022-11-30 | 13:15 - 16:00 | D398 | Dataanalys | Herrman Rene |