EPN-V2

EMVE3700 Numerisk varme- og strømningsteknikk Emneplan

Engelsk emnenavn
Computational Heat Transfer and Fluid Flow
Studieprogram
Bachelorstudium i ingeniørfag - energi og miljø i bygg
Omfang
10.0 stp.
Studieår
2023/2024
Timeplan
Emnehistorikk

Innledning

Planen er utarbeidet ved OsloMet - storbyuniversitetet etter Nasjonalt kvalifikasjonsrammeverk for høyere utdanning, fastsatt av Kunnskapsdepartementet 20. mars 2009 og 15.desember 2011. Planen gir oversikt over det totale læringsutbytte definert i kunnskap, ferdigheter og generell kompetanse som kandidaten forventes å ha etter fullført utdanning.

Bachelorstudiet i informasjonsteknologi gir en grunnleggende, bred og yrkesrettet utdanning i informasjonsteknologi rettet særlig mot programmering, programvare, system- og applikasjonsutvikling. Studiet inneholder også system- og driftstekniske emner. Av datastudiene ved OsloMet er det dette som gir den mest omfattende datautdanningen siden alle emnene i studiet er direkte IT-relaterte.

De fleste bacheloroppprosjekter gjennomføres i samarbeid med eksterne bedrifter og organisasjoner. Dette gir studentene erfaring med å løse reelle og relevante problemer, yrkeserfaring, og mulighet til å bygge profesjonelt nettverk.

Det kvalifiserer for en rekke datafaglige arbeidsoppgaver i privat og offentlig virksomhet som for eksempel programmering, systemutvikling, konsulentvirksomhet, systemdrift, brukerstøtte og brukeropplæring. Studiet gir også en god basis for entreprenørskap og innovativ virksomhet. Det kvalifiserer til videre utdanning i informasjonsteknologi på masternivå ved universiteter og høgskoler, for eksempel flere spesialiseringene i masterprogrammet Applied Computer and Information Technology (ACIT) ved OsloMet.

Studiet er et 3-årig heltidsstudium og fullført studium gir 180 studiepoeng og graden bachelor i informasjonsteknologi.

Anbefalte forkunnskaper

Et arbeidskrav er et obligatorisk arbeid/en obligatorisk aktivitet som må være godkjent innen fastsatt frist for at studenten skal kunne fremstille seg til eksamen. Arbeidskrav kan være skriftlige arbeider, prosjektarbeid, muntlige fremføringer, lab-kurs, obligatorisk tilstedeværelse ved undervisning og lignende. Arbeidskrav kan gjennomføres individuelt eller i gruppe.

Arbeidskrav gis for å fremme studentenes progresjon og utvikling og for å sikre deltakelse der dette er nødvendig. Arbeidskrav kan også gis for å prøve studenten i et læringsutbytte som ikke kan prøves ved eksamen. De skal i tillegg sikre at det arbeides jevnt med emnene gjennom semesteret.

Tidligere godkjente arbeidskrav kan være gyldig to år tilbake i tid. Dette forutsetter at emnet ikke er endret.

Tilbakemelding på arbeidskrav er godkjent/ikke godkjent.

Antallet og typen arbeidskrav, reglene for oppfyllelse av arbeidskravene, frister og andre detaljer fremgår av emneplanene og undervisningsplanene som kunngjøres ved semesterstart.

Ikke godkjente arbeidskrav

Gyldig fravær dokumentert ved for eksempel legeerklæring, fritar ikke for innfrielse av arbeidskrav. Studenter som har gyldig fravær, eller har gjennomført arbeidskrav som ikke er godkjent, bør så langt det er mulig, kunne få et nytt forsøk før eksamen. Dette må avtales i hvert enkelt tilfelle med den aktuelle faglærer. Hvis det ikke er mulig å gjennomføre et nytt forsøk på grunn av fagets/emnets egenart, må studenten påregne å ta arbeidskravet ved neste mulige tidspunkt. Dette kan medføre forsinkelser i studieprogresjon.

Forkunnskapskrav

Målgruppen er først og fremst de som ønsker å få en bred, solid og praktisk rettet utdanning i informasjonsteknologi og som ønsker ha databehandling og informasjonsteknologi som yrke.

Læringsutbytte

Generell studiekompetanse/realkompetanse + matematikk (R1 eller S1+ S2).

Viser til forskrift om opptak til høyere utdanning: https://lovdata.no/dokument/LTI/forskrift/2007-01-31-173

Arbeids- og undervisningsformer

Planen er utarbeidet ved OsloMet - storbyuniversitetet etter forskrift om rammeplan for ingeniørutdanningen, fastsatt av Kunnskapsdepartementet 18. mai 2018.

Nasjonalt kvalifikasjonsrammeverk for høyere utdanning, fastsatt av Kunnskapsdepartementet 20. mars 2009, gir oversikt over det totale læringsutbytte definert i kunnskap, ferdigheter og generell kompetanse som kandidaten forventes å ha etter fullført utdanning. Læringsutbyttebeskrivelsene i planen er utarbeidet i henhold til rammeplan og kvalifikasjonsrammeverket.

Studiet er en treåring rammeplanstyrt ingeniørutdanning. Kandidater som har fullført i henhold til programplanen tildeles graden Bachelor i ingeniørfag – matematisk modellering og datavitenskap. Studiets profil er preget av samhandling mellom informatikk, matematikk, statistikk og fysikk. Utdanningen skal gi studentene kompetanse til å arbeide med ingeniørfaglige problemstillinger knyttet til realfaglige anvendelsesområder. Gjennom tre år med ingeniør-rettede emner vil studenten tilegne seg kunnskap som er essensiell for naturvitenskapelige problemstillinger i arbeidslivet. Studiet er tilpasset ingeniørfaglige premisser og er forskningsbasert; forskning og utviklingsarbeid danner grunnlag for en kontinuerlig utvikling av studiets innhold og struktur, som involverer både stipendiater og studenter.

Studentene følger samme emner første studieår, og så fordyper de seg i økende grad i andre og tredje studieår. I siste semester gjennomfører studentene en bacheloroppgave knyttet til arbeidslivsrettede problemstillinger.

Videre studier

Det finnes en rekke videreutdanningsmuligheter for kandidater med bachelor i ingeniørfag. En del fortsetter fram til en mastergrad i ved OsloMet, hvor Anvendt data- og informasjonsteknologi (ACIT) er mest relevant. Studiet er spesielt tilrettelagt for spesialiseringene «Anvendt kunstig intelligens», «Datavitenskap», «Matematisk modellering og kvanteteknologier» i ACIT-programmet. Spennende mastertilbud finnes også ved NTNU, UMB, UiO eller andre norske og utenlandske universiteter

Arbeidskrav og obligatoriske aktiviteter

En kandidat med fullført og bestått 3-årig bachelorgrad i informasjonsteknologi har følgende samlede læringsutbytte definert i form av kunnskap, ferdigheter og generell kompetanse:

Kunnskap

Kandidaten:

  • har bred kunnskap om informasjonsteknologi, problemløsning, programvareutvikling, webutvikling og grensesnitt og kjenner prinsippene for oppbygging av datasystemer og datanettverk
  • har kunnskap i dataorientert matematikk og andre grunnleggende informatikkemner og kan bruke dem på andre relevante og datarelaterte områder
  • har kunnskap om teknologiens historie, teknologiutvikling, teknologens rolle i samfunnet, relevante lovbestemmelser knyttet til bruk av datateknologi og programvare og har kunnskaper om ulike konsekvenser ved bruk av informasjonsteknologi
  • kjenner til forsknings- og utviklingsarbeid innenfor fagfeltet, samt relevante metoder og arbeidsmåter

Ferdigheter

Kandidaten:

  • kan anvende kunnskap og relevante resultater fra forsknings- og utviklingsarbeid for å løse avanserte teoretiske, tekniske og praktiske problemstillinger innenfor informasjonsteknologifaget og begrunne sine valg
  • behersker metoder og verktøy som grunnlag for systematisk, målrettet og innovativt arbeid. Dette inkluderer ferdigheter til å
    • anvende operativsystemer, systemprogramvare og nettverk
    • utarbeide krav og modellere, utvikle, integrere og evaluere datasystemer
    • bruke programmeringsverktøy og systemutviklingsmiljø
    • designe og implementere universelt utformet menneske-maskin-interaksjon i samarbeid med brukere
  • kan identifisere, analysere, planlegge og gjennomføre informasjonsteknologiske oppgaver og prosjekter av ulik type både selvstendig og i en gruppe
  • kan programmere i flere programmeringsspråk og bruke programmeringsverktøy og utviklingsmiljøer
  • kan utføre behovsanalyser og lage løsninger med brukergrensesnitt som ivaretar brukeres ønsker og behov
  • kan finne, vurdere, bruke og henvise til informasjon og fagstoff og fremstill dette slik at det belyser en problemstilling. Dette inkluderer å
    • søke etter faglitteratur og kritisk vurdere kvaliteten på kilden
    • sette opp litteraturreferanser i henhold til gjeldende mal
  • kan bidra til nytenkning, innovasjon og entreprenørskap gjennom deltakelse i utvikling og realisering av bærekraftige og samfunnsnyttige produkter, systemer og/eller løsninger der informasjonsteknologi inngår

Generell kompetanse

Kandidaten:

  • har innsikt i miljømessige, helsemessige, samfunnsmessige og økonomiske konsekvenser av produkter og løsninger innenfor sitt fagområde og kan settes disse i et etisk perspektiv og et livsløpsperspektiv
  • kan formidle kunnskap om informasjonsteknologi til ulike målgrupper både skriftlig og muntlig på norsk og engelsk, og kan bidra til å synliggjøre denne teknologiens betydning og konsekvenser
  • kan reflektere over egen faglig utøvelse, også i team og i en tverrfaglig sammenheng og kan tilpasse denne til den aktuelle arbeidssituasjon
  • kan bidra til utvikling av god praksis gjennom å delta i faglige diskusjoner innenfor fagområdet og dele sine kunnskaper og erfaringer med andre
  • har informasjonskompetanse; vet hvorfor man skal søke etter kvalitetssikrede kunnskapskilder, hvorfor man skal henvise til kilder og kjenner til hva som defineres som plagiat og fusk i studentarbeider
  • kan oppdatere sin kunnskap gjennom litteraturstudier, informasjonssøking, kontakt med fagmiljøer og brukergrupper og gjennom erfaring

Vurdering og eksamen

Studiet består av enkeltemner på 10 studiepoeng og et avsluttende bacheloroppgave på 20 studiepoeng - til sammen 180 studiepoeng.

Det fremgår av emneplanene om et emne bygger faglig på et eller flere andre emner.

Valgemner

Valgemner kan være emner spesielt laget for dette formålet eller obligatoriske emner i bachelorstudiene i anvendt datateknologi og ingeniørfag - data, som kan tas hvis det er ledig kapasitet. Igangsetting av spesielle valgemner krever et tilstrekkelig antall interesserte studenter og at instituttet har nødvendig kapasitet og tilstrekkelig med lærerkrefter. Fakultetet kan ikke garantere for at alle valgemner og kombinasjoner fra andre studier er mulig da emner kan ha samme undervisningstid og eksamensdag.

Igangsetting av valgemner krever et tilstrekkelig antall interesserte studenter. Fakultetet kan ikke garantere for at alle valgemner og kombinasjoner fra andre studier er mulig da emner kan ha samme undervisningstid og eksamensdag.

Hvis et valgemne har begrenset antall plasser vil det arrangeres undervisningsopptak.

Studenter som har enten stryk (F) eller gyldig fravær (legeattest) fra tidligere ordinær eksamen i et valgemne, og som vil ta igjen emnet som en del av sin bachelorgrad neste år, er sikret plass (forutsatt at emnet arrangeres). Disse må ta kontakt med studieadministrasjonen før semester-registreringen åpnes for å være sikret plass.

Valgemner for studieåret 2025-2026

4. semester

DAFE1000 Matematikk 1000 (*)

ADSE3200 Visualisering

ADTS2310 Testing av programvare

DAVE3605 Effektiv kode med C og C++

DAVE3615 Programvarearkitektur og rammeverk

5. semester

ADTS3100 Universell utforming for IT

DAVE3600 Apputvikling

TEK2850 Innovasjon og bærekraftige forretningsmodeller

DAVE3710 Akademisk engelsk

DATA3625 Introduksjon til kunstig intelligens

DATA3800 Introduction to Data Science with Scripting

6. semester

DAFE1000 Matematikk 1000 (*)

ADSE3200 Visualisering

ADTS2310 Testing av programvare

DAVE3606 Ressurseffektive programmer

DAVE3610 Nettverks- og systemadministrasjon

DAVE3615 Programvarearkitektur og rammeverk

2-6. semester

DAVE3710 Praktisk IT-prosjekt

DAVE3720 Samfunnskontaktprosjekt

DAVE3730 Introduksjon til IT-forskning

DAVE3740 IT-innovasjons- og entreprenørskapsprosjekt

DAVE3750 Anvendt kunstig intelligens og data science prosjekt

DAVE3760 Utvidet / virtuell virkelighet prosjekt

DAVE3770 Helseteknologi-prosjekt

DATA3790 Personvern- og identitetsteknologiprosjekt

(*) Forutsetter R1 + R2 eller tilsvarende

Hjelpemidler ved eksamen

Arbeids- og undervisningsformene vil variere noe fra emne til emne, men vil ofte bygge på problembasert undervisning og læring. Studentene vil kontinuerlig arbeide med problemer, løse oppgaver og utvikle prosjekter av ulik art. Datamaskiner, nettbrett, mobiltelefoner, internett, web og andre elektroniske kanaler og enheter benyttes systematisk til læring, formidling, veiledning, utvikling og kommunikasjon.

Det benyttes forelesninger, øvinger med individuell og gruppevis veiledning, arbeidskrav (obligatoriske oppgaver), gruppeprosjekter, næringslivskontakt (bl.a. gjesteforelesninger) og selvstudier.

Studiet avsluttes med en stor, selvstendig og praktisk bacheloroppgave som normalt er gitt som et oppdrag fra næringslivet.

Emneplanene for de enkelte emnene inneholder detaljene om emnenes arbeids- og undervisningsformer. I tillegg blir det ved undervisningstart i hvert emne satt opp en undervisningsplan med fremdriftsplan, pensumoversikt, frister for arbeidskrav og informasjon om undervisnings- og øvingsopplegget.

Vurderingsuttrykk

En kandidat med fullført og bestått kvalifikasjon 3-årig skal ha følgende totale læringsutbytte definert i kunnskap, ferdigheter og generell kompetanse.

Kunnskap

Kandidaten:

  • har bred kunnskap som gir et helhetlig systemperspektiv på ingeniørfaget generelt, med fordypning i matematisk modellering og datavitenskap. Sentrale kunnskaper inkluderer matematisk problemløsning, forståelse for fysiske prinsipper, samt utvikling og bruk av realfaglig programvare.
  • har grunnleggende kunnskaper i matematikk, naturvitenskap, relevante samfunns- og økonomifag og om hvordan disse kan benyttes i ingeniørfaglig problemløsning.
  • har kunnskap om teknologiens historie, teknologiutvikling, ingeniørens rolle i samfunnet, relevante lovbestemmelser knyttet til bruk av matematisk modellering og datavitenskap og har kunnskaper om ulike konsekvenser ved bruk av teknologien.
  • kjenner til forsknings- og utviklingsarbeid innenfor matematisk modellering og datavitenskap, samt relevante metoder og arbeidsmåter innenfor ingeniørfaget.
  • kan oppdatere sin kunnskap innenfor fagfeltet, både gjennom informasjonsinnhenting og kontakt med fagmiljøer og praksis.

Ferdigheter

Kandidaten:

  • kan anvende kunnskap og relevante resultater fra forsknings- og utviklingsarbeid for å løse teoretiske, tekniske og praktiske problemstillinger innenfor matematisk modellering og datavitenskap, samt begrunne sine valg
  • har kunnskap om programvare og programmeringsspråk relevant for matematisk modellering og datavitenskap og har bred ingeniørfaglig digital kompetanse.
  • kan bruke relevante programmeringsspråk til å løse naturvitenskapelige problemstillinger.
  • kan arbeide i digitale laboratorier og behersker metoder og verktøy som grunnlag for reproduserbar, målrettet og innovativt arbeid.
  • kan identifisere, planlegge og gjennomføre ingeniørfaglige prosjekter, arbeidsoppgaver, forsøk og eksperimenter både selvstendig og i team.
  • kan finne, vurdere, bruke og henvise til informasjon og fagstoff og framstille dette slik at det belyser en problemstilling.
  • kan bidra til nytenkning, innovasjon og entreprenørskap gjennom deltakelse i utvikling og realisering av bærekraftige og samfunnsnyttige produkter, systemer og løsninger.

Generell kompetanse

Kandidaten:

  • har innsikt i miljømessige, helsemessige, samfunnsmessige og økonomiske konsekvenser av bruk av matematisk modellering og datavitenskap.
  • kan sette resultater av matematisk modellering og datavitenskap i et etisk og livsløpsperspektiv.
  • kan identifisere sikkerhets-, sårbarhets-, personverns- og datasikkerhetsaspekter i produkter og systemer som anvender IKT.
  • kan formidle ingeniørfaglig kunnskap til ulike målgrupper både skriftlig og muntlig og kan bidra til å synliggjøre teknologiens betydning og konsekvenser.
  • kan reflektere over egen faglig utøvelse, også i team og i en tverrfaglig sammenheng, og kan tilpasse denne til den aktuelle arbeidssituasjon.
  • kan bidra til utvikling av god praksis gjennom å delta i faglige diskusjoner innenfor matematisk modellering og datavitenskap og dele sine kunnskaper og erfaringer med andre.
  • har informasjonskompetanse; vet hvorfor man skal søke etter kvalitetssikrede kunnskapskilder, hvorfor man skal henvise til kilder og kjenner til hva som defineres som plagiat og fusk i studentarbeider.
  • kan oppdatere sin kunnskap gjennom litteraturstudier, informasjonssøking, kontakt med fagmiljøer og brukergrupper og gjennom erfaring.

Sensorordning

Studiet er en treåring ingeniørutdanning og gir graden bachelor i matematisk modellering og datavitenskap. Hvert studieår utgjør 60 studiepoeng, det vil si at bachelorstudiet har et samlet omfang på 180 studiepoeng. Hvert emne har en avsluttende eksamen.

I første semester vil det i hovedsak være norsk i pensum og som undervisningsspråk, men det blir i økende grad benyttet engelsk litteratur utover studiet. Femte semester tilbys på engelsk for å tilrettelegge økt inn-/utveksling. Selv om bachelorstudiet i hovedsak undervises på norsk er det derfor en forventning at studentene har tilstrekkelig gode engelskkunnskaper da mye relevant faglitteratur og ressurser er på engelsk.

Innholdet i undervisningen i den felles delen av utdanningen kan oppsummeres som følger:

Første studieår fellesemner: Realfaglig basis

  • Ingeniørfaglig basis
  • Kalkulus og diskret matematikk
  • Programmering
  • Fysikk og kjemi

Andre studieår fellesemner: Faglig bredde

  • Lineær algebra
  • Flervariabel kalkulus og differensiallikninger
  • Statistikk
  • Numerisk matematikk

Tredje studieår: Faglig fordypning

  • Kvantemekanikk
  • Bacheloroppgave

I tillegg kommer en valgemner innen teoretisk matematikk, kunstig intelligens og data science, vitenskapelige beregninger eller informasjonsteknologi.

Studiet er bygd opp av følgende emnegrupper jf. rammeplanen:

  • Ingeniørfaglig basis: 30 studiepoeng med grunnleggende matematikk, ingeniørfaglig systemtenkning og innføring i ingeniørfaglig yrkesutøvelse og arbeidsmetoder. Dette skal i hovedsak relateres til ingeniørutdanningen og legge grunnlaget for ingeniørfaget.
  • Programfaglig basis: 50–70 studiepoeng med tekniske fag, realfag og samfunnsfag. Dette skal i hovedsak relateres til studieprogrammet og legge grunnlaget for fagfeltet.
  • Teknisk spesialisering: 50–70 studiepoeng som gir en tydelig retning innen eget fagfelt, og som bygger på ingeniørfaglig basis og programfaglig basis. Dette skal i hovedsak relateres til studieretningen og legge grunnlaget for fagområdet. Bacheloroppgaven inngår i teknisk spesialisering

Valgfri emner: 20–30 studiepoeng som bidrar til videre faglig spesialisering, enten i bredden eller dybden. Valgemnene i tredje studieår kan gi en profilering innen kunstig intelligens og data science, teoretisk matematikk eller vitenskapelige beregninger. Dersom det i et semester er få studenter som velger et gitt valgemne, vil ikke emne tilbys det semesteret.

Valgemner tilgjengelig i 5. semester er:

  • DATS2300 Algoritmer og datastrukturer
  • DATA3800 Introduction to data science with scripting
  • MAMO3300 Reell analyse
  • MAMO3200 Simulering og visualisering
  • DAVE3625 Introduksjon til kunstig intelligens

Valgemner tilgjengelig i 6. semester er:

  • DAVE3606 Ressurseffektive programmer
  • MAMO2500 Symmetrier og algebraiske strukturer
  • ADSE3200 Visualisering
  • MAMO2400 Termodynamikk og statistisk fysikk