EPN-V2

MATY7200 Economics Course description

Course name in Norwegian
Økonomi
Study programme
Mathematics with a Vocational Profile
Weight
15.0 ECTS
Year of study
2022/2023
Curriculum
SPRING 2023
Schedule
Course history

Introduction

Emnet vektlegger forståelse av økonomi gjennom teori og praktiske øvinger. Det legges også vekt på ulike aspekter ved rollen som matematikklærer, samt fokus på yrkesretting og relevans i arbeidet med temaene i emnet.

Required preliminary courses

MATY6100 Tall og algebra, MATY6200 Geometri og MATY7100 Matematikkdidaktikk

Learning outcomes

Etter fullført emne har studenten følgende læringsutbytte definert som kunnskap, ferdigheter og generell kompetanse:

Kunnskap

Studenten

  • har bred kunnskap i matematikken elevene arbeider med i 1P-Y og 1T-Y - Vg1 i yrkesfaglige program, med hovedvekt på økonomi
  • har kunnskap om matematikkvansker og vanlige misoppfatninger i økonomi
  • har kunnskap om grunnleggende ferdigheter i økonomi
  • har bred kunnskap om regning som grunnleggende ferdighet i økonomi, i ulike yrkesfaglige program
  • har bred kunnskap om innholdet i aktuelle grunnlagsdokumenter
  • kjenner til og har bred kunnskap om aktuelle og relevante digitale læringsressurser som egner seg til bruk i arbeidet med økonomi

;

Ferdigheter

Studenten

  • kan planlegge, gjennomføre og vurdere matematikkundervisning for alle elever på Vg1 i yrkesfaglige program, med utgangspunkt i yrkesdidaktiske prinsipper og anvendelse av kunnskaper om matematikkdidaktikk
  • kan tilrettelegge matematikkundervisningen for elever med matematikkvansker, og for elever med stort læringspotensial
  • kan gjennomføre formativt og summativt vurderingsarbeid i samsvar med forskrifter og nyere forskning på feltet
  • kan anvende digitale læremidler og læringsressurser som omhandler økonomi, herunder undervisningsprogrammer, verktøyprogrammer, og nettressurser

;

Generell kompetanse

Studenten

  • kan lede læringsprosesser som fremmer differensiert, tilpasset og yrkesrettet opplæring for å sikre alle elevers læringsutbytte
  • behersker begreper og uttrykksformer i økonomi, og kan kommunisere dette skriftlig og muntlig
  • kan identifisere og arbeide systematisk med grunnleggende ferdigheter i økonomi
  • kan yrkesrette undervisning som omhandler økonomi, samt samarbeide med yrkesfaglærere om regning som grunnleggende ferdighet i programfagene
  • kjenner til og kan anvende arbeidsmåter som fremmer motivasjon og opplevelse av relevans hos elevene

Content

Upon successful completion of the course, the candidate:

Knowledge

  • has knowledge of problems within graphics and imaging that are applicable to machine learning, such as classification, segmentation, correspondence detection, and shape retrieval.
  • has a good understanding of problems related to shape synthesis.

Skills

  • is able to apply state-of-the art machine learning algorithms to real-world problems related to imaging and 3D graphics.

Competence

  • is aware of the state of the art in algorithms for machine learning on;3D data.
  • has experience with real world problems within the course domain, with a focus on solutions using deep neural architectures.

Teaching and learning methods

Se punkt om arbeids- og undervisningsformer i programplanen.

Course requirements

Arbeidskrav 1

Studenten skal jevnlig gjennom semesteret løse og levere 6 sett med regneoppgaver som omhandler økonomi, hvorav alle må være godkjente for å få godkjent arbeidskrav for dette emnet. Fristene vil bli oppgitt ved semesterstart. Hensikten med arbeidskravet er å få bred kunnskap om økonomi.

;

Arbeidskrav 2

Arbeidskravet omhandler helhetlig planlegging av emnet økonomi i faget matematikk 1P-Y. Planen skal utarbeides med fokus på å sikre alle elevers læringsutbytte, og valgene skal begrunnes i et medfølgende notat. Bruk av digitale verktøy skal inngå i plan og arbeid. Notatet skal gjennomføres individuelt og omfanget på er 1250 ord +/- 10 %. Hensikten med arbeidskravet er å få erfaring med helhetlig planlegging i emnet økonomi, med overføringsverdi til andre temaer.

Assessment

Individuell digital muntlig eksamen, varighet: 25-30 min.

;

Ny og utsatt eksamen

Ny og utsatt eksamen gjennomføres på samme måte som ved ordinær eksamen, det gis ny oppgavetekst.

;

Studentens rettigheter og plikter ved ny/utsatt eksamen framgår av forskrift om studier og eksamen ved OsloMet - storbyuniversitetet. Studenter er selv ansvarlige for å melde seg opp til eventuell ny/utsatt eksamen på Studentweb.

Permitted exam materials and equipment

This course will present the state of the art in algorithms for machine learning on images and 3D data. After a brief introduction to;3D geometry, we will cover topics related to deep learning for 3D data. We will in particular study deep neural architectures for;3D data such as point clouds, images, and;shape graphs.The course covers applications like classification, segmentation, shape retrieval and correspondence detection. Recent work on shape synthesis and joint embedding;will also be discussed.

Grading scale

No formal requirements over and above the admission requirements.

Examiners

Det benyttes en intern og en ekstern sensor.