Robotteknologi og signalbehandling - master i teknologi/siv.ing.
Dette er studieprogrambeskrivelsen for studieåret 2024-2025
Vekting (stp)
120
Studieprogramkode
M-ROBOT
Studienivå
Mastergrad iht §3, 2 år
Fører til grad
Master i teknologi / sivilingeniør
Heltid/deltid
Heltid
Varighet
4 Semestre
Grunnstudium
Nei
Undervisningsspråk
Engelsk, Norsk
Med en mastergrad i robotteknologi og signalbehandling står mulighetene åpne for de mest krevende og interessante arbeidsoppgavene innen fagfeltet. Utdanningen er organisert under Det teknisk- naturvitenskapelige fakultet, Institutt for data- og elektroteknologi.
Studiets innhold, oppbygging og sammensetning
Universitetet i Stavanger tilbyr en masterutdanning spesielt rettet mot studenter som har gjennomført en treårig ingeniørutdanning. Det toårige masterstudiet i robotteknologi og signalbehandling gir 120 studiepoeng. Studiet inneholder grunnleggende metodeemner som skal utdype og videreføre det matematisk- naturvitenskaplige grunnlaget fra bachelorstudiet, tekniske spesialiseringsemner, valgemner og masteroppgaven. Masteroppgaven er et større selvstendig prosjekt som utføres i siste semester, og kan gjerne utføres i samarbeid med en industribedrift.
I emner som videregående reguleringsteknikk, bildebehandling med maskinsyn og prosjekter i robotteknologi lærer studenten om hvordan roboter kan reguleres, hvordan kameraer kan brukes som sensor og input til robotsystemer, og studenten får prøve seg på blant annet programmering av industriroboter og humanoidroboter. I tillegg formidles mer generell reguleringsteknikk som har anvendelser i for eksempel robotstyring, fartøynavigasjon og industriell prosesstyring. En samlebetegnelse som ofte brukes for denne type kunnskap er «kybernetikk».
Signal- og bildebehandlingsemner skal gi innsikt i hvordan digitale signaler, blant annet digitale bilder og lyd, behandles. I dagens samfunn omgis vi av digitale signaler i større og større grad, og mobiltelefon, digital TV, digitale kart, medisinsk utstyr, analyse av medisinske bilder og data, analyse av seismiske data, bilde-, lyd- og videoformat til bruk for komprimering og streaming er eksempler på utstyr og oppgaver som benytter digital signal- og bildebehandling. Maskinlæring og AI (Artificial Intelligence) som verktøy for å analysere digitale data er høyaktuelt i dagens samfunn der datamengdene er så store at vi er avhengig av algoritmiske løsninger for analyse av data, og hører tett sammen med både robotteknologi og signalbehandlingsapplikasjoner.
Profil Helseteknologi
Samfunnet digitaliseres på mange områder og innen helsesektoren vil det være et stort framtidig behov for ingeniører som kan konstruere roboter og bistå leger og sykepleiere i diagnose og behandling av pasienter.
Innen profilen helseteknologi er fokuset rettet mot helseteknologiske problemstillinger, som kan være bildediagnostikk, analyse av helsedata eller robotassistert kirurgi. Ved å velge denne profilen blir du sivilingeniør i Robotteknologi og signalbehandling, og har i tillegg en spesialisering som gjør deg i stand til å forstå helserelaterte problemstillinger. Studiet kan også kvalifisere deg til videre doktorgradsstudier.
Du lærer å angripe de mest kompliserte utfordringene innenfor fagfeltet og å utvikle automatiserte systemer som kan utføre avanserte oppgaver. Studiet knytter sammen fag som signalbehandling, bildebehandling med robotsyn, maskinlæring og robotteknologi i større prosjekter. I tillegg tar du emner innen anatomi og fysiologi, samt prosjektoppgave og masteroppgave med tydelig helseteknologisk profil.
Studieprogrammet gir et stort mangfold av karrieremuligheter, spesielt innenfor forsknings- og utviklingsarbeid i helserelatert virksomhet og i mindre bedrifter som utvikler innovativ helseteknologi.
Du søker deg inn på master i robotteknologi og signalbehandling. Profilen i helseteknologi velger du etter opptak.
Sosialt miljø
UiS har lagt forholdene godt til rette for masterstudentene i robotteknologi og signalbehandling. Studentene har eget arbeidsrom/sosialrom som disponeres sammen med masterstudentene i datateknologi.
Studiet byr på et variert arbeids- og undervisningsopplegg: Tradisjonelle forelesningsrekker og øvinger, prosjektarbeid, selvstudium, laboratorieundervisning og nettbasert undervisning. Vektlegging av de enkelte undervisningsformene varierer i noen grad mellom de enkelte emnegruppene.
FNs bærekraftmål er verdens felles arbeidsplan for å utrydde fattigdom, bekjempe ulikhet og stoppe klimaendringene innen 2030. Gjennom et studium i Robotteknologi og signalbehandling får du kompetanse som kan bidra direkte i arbeidet med å nå målene for en bedre verden. IKT kan brukes for å hjelpe til med samtlige bærekraftmål. Her kommer noen eksempler basert på vårt arbeid ved Institutt for data- og elektroteknologi:
- Et masterstudium i Robotteknologi og signalbehandling, profil helseteknologi, lar deg for eksempel analysere bildedata for å hjelpe leger med å diagnostisere sjukdommer eller analysere hjertedata for å avsløre hjertesjukdom før den bryter ut. Dette er del av FNs tredje bærekraftsmål, god helse.
- I masterstudiet i Robotteknologi og signalbehandling vil du kunne bidra med tekniske løsninger på samfunnsutfordringer. Dette gjelder FNs fjerde bærekraftmål, god utdanning.
- Med strømkrise og klimakrise er det viktigere og viktigere å produsere så mye kraft som mulig. Med solceller på hustakene til folk og små vannkraftverk på individuelle gårder må man lage et strømnett som styres mye smartere enn med tradisjonelle store kraftverk. Ved IDE har vi hatt flere master- og PhD prosjekter rundt smarte strømnett, og dette kan være aktuelle prosjekter for de som en master i Robotteknologi og signalbehandling. Dette går rett inn i FN-s bærekraftsmål 7 (rein energi til alle), 11 (bærekraftige byer og lokalsamfunn) og 13 (stopp klimaendringene).
- I forhold til FNs 9. bærekraftsmål, industri, infrastruktur og innovasjon, vil du i et masterstudium i Robotteknlogi og signalbehandling lære om å robotiserte systemer og hvordan disse bidrar til å effektivisere arbeidsprosesser.
Universitetet legger vekt på å kunne tilby alle studium som planlagt, men må ta forbehold om tilstrekkelig med ressurser og/eller studenter for å kunne gjennomføre tilbudet. Over tid vil det være naturlig at det faglige innholdet og tilbudet av emner endres på grunn av den generelle utviklingen innen fagfeltet, bruk av teknologi og endringer i samfunnet for øvrig.
Ønsker du å kombinere studiet med jobb? Etter opptak til studiet kan du søke instituttet om å få ta studiet på deltid. Instituttet tilbyr faste deltidsplaner. Disse deltidsplanene følger ordinær undervisning på dagtid.
Læringsutbytte
En kandidat med fullført og bestått toårig mastergrad i robotteknologi og signalbehandling skal ha følgende samlede læringsutbytte definert i form av kunnskap, ferdigheter og generell kompetanse
Kunnskap
K1: Kandidaten har avansert kunnskap innenfor kybernetikk og signalbehandling og spesialisert innsikt i robotteknologi, automatisering og maskinlæring (AI).
K2: Kandidaten har inngående kunnskap om fagområdets vitenskapelige teori og metoder.
Ferdigheter
F1: Kandidaten skal kunne evaluere og utvikle systemer og metoder for overvåking eller automatisering av prosesser.
F2: Kandidaten kan bruke relevante metoder for forskning og faglig utviklingsarbeid på en selvstendig måte.
F3: Kandidaten kan analysere og forholde seg kritisk til ulike informasjonskilder og anvende disse til å strukturere og formulere faglige resonnementer innen kybernetikk og signalbehandling.
F4: Kandidaten kan gjennomføre et selvstendig, avgrenset forsknings- eller utviklingsprosjekt under veiledning og i tråd med gjeldende forskningsetiske normer.
Generell kompetanse
G1: Kandidaten kan analysere relevante fag-, yrkes- og forskningsetiske problemstillinger.
G2: Kandidaten kan anvende sine kunnskaper og ferdigheter på nye områder for å gjennomføre avanserte arbeidsoppgaver og prosjekter.
G3: Kandidaten kan formidle omfattende selvstendig arbeid og behersker fagområdets uttrykksformer.
G4: Kandidaten kan kommunisere om faglige problemstillinger, analyser og konklusjoner innenfor fagområdet, både med spesialister og til allmennheten.
Hva kan du bli?
Med en mastergrad i robotteknologi og signalbehandling er du etterspurt i nesten alle bransjer. Det er behov for denne type arbeidskraft i alle næringer der det kreves å automatisere eller robotisere prosesser, lage kontrollsystemer eller utvikle verktøy for beslutningsstøtte. Typiske bransjer er energiselskaper, teleselskaper, robotutviklere, droneutviklere, helseforetak, helseteknologibedrifter og teknologiutviklere generelt. Profilen helseteknologi gir et stort mangfold av karrieremuligheter, spesielt innenfor forsknings- og utviklingsarbeid i helserelatert virksomhet og i mindre bedrifter som utvikler innovativ helseteknologi.
Fullført mastergrad i robotteknologi og signalbehandling gir grunnlag for opptak til PhD-programmet i informasjonsteknologi, matematikk og fysikk.
Emneevaluering
Ordninger for kvalitetssikring og evaluering av studier er fastsatt i Kvalitetsystem for utdanning.
Studieplan og emner
Oppstartssemester:
-
Obligatoriske emner
-
ELEMAS: Masteroppgave i robotteknologi og signalbehandling
Andre år, semester 3
Masteroppgave i robotteknologi og signalbehandling (ELEMAS)
Studiepoeng: 30
-
-
Valg av profil
-
Valg av profil Helseteknologi
-
Valgemner eller utveksling 3. semester
-
Emner ved UiS 3. semester
-
Valgemner i 3. semester
-
ELE640: Videregående signalbehandling
Andre år, semester 3
-
ELE670: Medisinske bilder og signaler
Andre år, semester 3
-
ELE680: Dype nevrale nett
Andre år, semester 3
-
ELE690: Prosjektemne
Andre år, semester 3
-
-
Annet valgemne i 3. semester (velg ett emne)
-
IND510: Prosjektledelse
Andre år, semester 3
-
IND650: Innovasjonsledelse og entreprenørskap
Andre år, semester 3
-
-
-
Utveksling 3. semester
-
Utveksling
-
-
-
-
Valg av profil Robotteknologi
-
Valgemner eller utveksling 3. semester
-
Emner ved UiS 3. semester
-
Anbefalte valgemner i 3. semester
-
ELE620: Kybernetikk
Andre år, semester 3
-
ELE630: Prosjekt i robotteknologi
Andre år, semester 3
-
ELE640: Videregående signalbehandling
Andre år, semester 3
-
ELE680: Dype nevrale nett
Andre år, semester 3
-
ELE690: Prosjektemne
Andre år, semester 3
-
-
Andre valgemner i 3. semester
-
DAT530: Diskret simulering og ytelsesanalyse
Andre år, semester 3
-
DAT540: Introduksjon til datavitenskap
Andre år, semester 3
-
-
-
Utveksling 3. semester
-
Utveksling
-
-
-
-
-
Obligatoriske emner
-
ELE500: Signalbehandling
Første år, semester 1
-
ELE510: Bildebehandling og maskinsyn
Første år, semester 1
-
STA500: Sannsynlighetsregning og statistikk 2
Første år, semester 1
-
ELEMAS: Masteroppgave i robotteknologi og signalbehandling
Andre år, semester 3
Masteroppgave i robotteknologi og signalbehandling (ELEMAS)
Studiepoeng: 30
-
-
Valg av profil
-
Valg av profil Helseteknologi
-
Obligatoriske emner
-
BIO110: Anatomi og fysiologi
Første år, semester 2
-
ELE520: Maskinlæring
Første år, semester 2
-
ELE600: Videregående reguleringsteknikk med robotteknologi
Første år, semester 2
Videregående reguleringsteknikk med robotteknologi (ELE600)
Studiepoeng: 10
-
-
Valgemner eller utveksling 3. semester
-
Emner ved UiS 3. semester
-
Velg ett emne
-
IND510: Prosjektledelse
Andre år, semester 3
-
IND650: Innovasjonsledelse og entreprenørskap
Andre år, semester 3
-
-
Anbefalte valgemner i 3. semester
-
ELE630: Prosjekt i robotteknologi
Andre år, semester 3
-
ELE670: Medisinsk bildediagnostikk med kunstig intelligens
Andre år, semester 3
Medisinsk bildediagnostikk med kunstig intelligens (ELE670)
Studiepoeng: 10
-
ELE680: Dype nevrale nett
Andre år, semester 3
-
-
Andre valgemner i 3. semester
-
STA530: Statistisk læring
Andre år, semester 3
-
-
-
Utveksling 3. semester
-
Utveksling
-
-
-
-
Valg av profil Robotteknologi
-
Obligatoriske emner
-
ELE520: Maskinlæring
Første år, semester 2
-
ELE600: Videregående reguleringsteknikk med robotteknologi
Første år, semester 2
Videregående reguleringsteknikk med robotteknologi (ELE600)
Studiepoeng: 10
-
ELE610: Praktisk robotteknikk
Første år, semester 2
-
-
Valgemner eller utveksling 3. semester
-
Emner ved UiS 3. semester
-
Velg ett emne
-
IND510: Prosjektledelse
Andre år, semester 3
-
IND650: Innovasjonsledelse og entreprenørskap
Andre år, semester 3
-
-
Anbefalte valgemner i 3. semester
-
ELE620: Kybernetikk
Andre år, semester 3
-
ELE630: Prosjekt i robotteknologi
Andre år, semester 3
-
ELE680: Dype nevrale nett
Andre år, semester 3
-
-
Andre valgemner i 3. semester
-
DAT530: Diskret simulering og ytelsesanalyse
Andre år, semester 3
-
DAT540: Introduksjon til datavitenskap
Andre år, semester 3
-
-
-
Utveksling 3. semester
-
Utveksling
-
-
-
-